Detección y Clasificación de Tejidos Anómalos en Mamografías Digitales Mediante Redes Neuronales Convolucionales.

González-Bueno Puyal, Juana; Ríos Sánchez, Belén y Sánchez Avila, Maria del Carmen (2015). Detección y Clasificación de Tejidos Anómalos en Mamografías Digitales Mediante Redes Neuronales Convolucionales.. En: "Congreso anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 2015)A", 4-6 Noviembre de 2015, Madrid, España. pp. 14-18.

Descripción

Título: Detección y Clasificación de Tejidos Anómalos en Mamografías Digitales Mediante Redes Neuronales Convolucionales.
Autor/es:
  • González-Bueno Puyal, Juana
  • Ríos Sánchez, Belén
  • Sánchez Avila, Maria del Carmen
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: Congreso anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 2015)A
Fechas del Evento: 4-6 Noviembre de 2015
Lugar del Evento: Madrid, España
Título del Libro: Actas del XXXIII Congreso anual de la Sociedad Española de Ingeniería Biomédica
Fecha: 2015
Materias:
Escuela: Centro de Domótica Integral (CeDInt) (UPM)
Departamento: Otro
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (227kB) | Vista Previa

Resumen

El cáncer de mama constituye un problema de salud global que supone más del 25% de los nuevos casos de cáncer en mujeres y en el que la detección precoz mediante la realización de mamografías juega un papel fundamental. Este trabajo presenta un sistema novedoso de detección y clasificación de anomalías en imágenes mamográficas mediante redes neuronales convolucionales (CNN). Se trata de un sistema ambicioso que permite distinguir entre cinco clases de mamografías: sin anomalías, con masas tumorales benignas, con masas tumorales malignas, con microcalcificaciones benignas o con microcalcificaciones malignas. Este trabajo evalúa no solo la precisión de las CNN aplicadas a este problema concreto, sino también la influencia de otros parámetros como la inclusión de una etapa de mejora de la calidad de la imagen o la resolución y cantidad de imágenes utilizadas para entrenar la red.

Más información

ID de Registro: 43678
Identificador DC: http://oa.upm.es/43678/
Identificador OAI: oai:oa.upm.es:43678
Depositado por: Memoria Investigacion
Depositado el: 05 Dic 2018 11:55
Ultima Modificación: 05 Dic 2018 11:55
  • InvestigaM
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM