Realce de imágenes mamográficas mediante técnicas basadas en histograma para su clasificación por medio de redes neuronales convolucionales

Descripción (resumen): 

TFG

Autora: Belén Yébenes Calvo

Tutora: Belén Ríos Sánchez

Ponente. Carmen Sánchez Ávila

El cáncer de mama es una enfermedad que actualmente afecta a una de cada ocho mujeres en el mundo, presente también en hombres aunque con una incidencia menor. Esta patología comienza con una división descontrolada de células producida por una alteración en los genes encargados de controlar los procesos de división y crecimiento celular, dando lugar a la formación de un nódulo o tumor. Estos tumores pueden ser benignos, los cuales no suponen un riesgo para la salud o malignos, denominados también cancerosos, que ponen en riesgo la vida de los pacientes y se caracterizan por ser capaces de metastatizar. La principal forma de diagnóstico de esta enfermedad consiste en la realización periódica de mamografías.
Este tipo de pruebas permiten la localización de anomalías en el tejido mamario tales como microcalcificaciones y masas, que son consideradas indicadores de presencia de la enfermedad.
Este trabajo pretende estudiar la influencia de las técnicas de realce de imágenes basadas en el histograma sobre la clasificación de mamografías en cinco conjuntos diferentes: Calcificaciones Benignas, Masas Benignas, Calcificaciones Malignas, Masas Malignas y tejido Sano, obtenida por un sistema CAD de clasificación automática de mamografía mediante redes neuronales convolucionales.En concreto,se van a aplicar dos algoritmos diferentes: Histogram Intensity Windowing (HIW) y Contrast-limited adaptive histogram equalization (CLAHE). Mediante estos algoritmos se modifica el histograma de la mamografía aumentando el contraste entre los diferentes tejidos de la imagen: fondo, tejido fibroso, tejido denso y tejido patológico,que incluye las microcalcificaciones y las masas. Con este aumento del contraste se pretende incrementar las diferencias entre los distintos tipos de tejido para facilitar el aprendizaje de la red neuronal. De este modo, se podría mejorar el número de imágenes clasificadas correctamente.
El objetivo final del trabajo es obtener un algoritmo de realce que forme parte del sistema CAD y permita mejorar la detección y clasificación automática de microcalcificaiones y masas. Así,sería posible aumentar las posibilidades de un diagnóstico precoz de la enfermedad, algo fundamental teniendo en cuenta que su detección en estadios iniciales aumenta las posibilidades de curación hasta prácticamente el 100%.


Tipo publicación: 
Otros (Tesis...)
Biometría bioseñales y seguridad
Fecha de Publicacion: 
Julio 2016
Autores CeDInt: 
Otros Autores: 
Belén Yébenes Calvo