Detección de cáncer en mamografías mediante técnicas de inteligencia artificial

Castillo Montero, Yoel (2022). Detección de cáncer en mamografías mediante técnicas de inteligencia artificial. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Detección de cáncer en mamografías mediante técnicas de inteligencia artificial
Author/s:
  • Castillo Montero, Yoel
Contributor/s:
  • Talavera Muñoz, Edgar
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: February 2022
Subjects:
Freetext Keywords: Cáncer de mama; Inteligencia artificial; Predicción; Redes neuronales convolucionales; Deep learning; Análisis de imagen médica; Mamografía
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (3MB)
[img] Archive (ZIP) - Users in campus UPM only
Download (3MB)

Abstract

El presente trabajo se encuentra enmarcado dentro del ámbito de la inteligencia artificial, concretamente en el campo de Deep Learning aplicado al sector médico. En este trabajo se recogen y detallan los procesos necesarios para tratar de obtener un sistema inteligente que sea capaz de realizar una clasificación a partir de mamografías para dividir las mismas entre casos que presenten cáncer y casos que no. Con el presente proyecto se pretende realizar una primera aproximación en la búsqueda de un algoritmo de clasificación de mamografías basado exclusivamente en el análisis de las regiones de interés (zonas susceptibles de presentar anomalías) de las mismas. Los procesos necesarios hasta llegar a la obtención del citado modelo de inteligencia artificial se basan en la obtención, estudio, procesado, adaptación y documentación de un conjunto de imágenes contenidas en datasets. Para obtener estos datos ha sido necesario en primer lugar realizar una recopilación y cribado de diferentes fuentes para después hacer un procesado y refinado de los mismos con el fin de poder emplearlos en el algoritmo. De esta manera, una vez obtenido el conjunto de datos, se ha procedido a la implementación de un modelo de red neuronal para tratar de resolver el problema de manera satisfactoria. Tras llevar a cabo todo el proceso relacionado con la preparación de los datos se han llevado a cabo técnicas de ampliación del dataset mediante data augmentation con el objetivo de mejorar los resultados arrojados por el algoritmo y su posterior precisión con imágenes nunca usadas en el entrenamiento. Abstract: The present project is framed within the field of artificial intelligence, specifically in the field of Deep Learning applied to the healthcare area. In this document, the necessary processes are collected and detailed in order to try to obtain an intelligent system capable of performing a classification from mammograms to divide them between cases that present cancer and cases that do not. The present project is intended to carry out a first approach in the search of an algorithm for classification of mammograms based exclusively on the analysis of the regions of interest (susceptible to anomalies areas) of the mammograms. The processes necessary to obtain the artificial intelligence model previously mentioned are based on obtaining, studying, processing, adapting and documenting a set of images contained in datasets. Beneficial to obtain these data, it has been firstly necessary to compile and screen different sources and then process and refine them in order to be able to use them in the algorithm. In this way, once the data set has been obtained, a neural network model has been implemented for the sake of trying to solve the problem in a satisfactory way. After carrying out the entire process related to the preparation of the data, data augmentation techniques have been carried out to the dataset with the aim of improving the results obtained by the algorithm and its subsequent precision with images never used before in the training process.

More information

Item ID: 69938
DC Identifier: https://oa.upm.es/69938/
OAI Identifier: oai:oa.upm.es:69938
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 26 Feb 2022 16:58
Last Modified: 02 Mar 2022 15:55
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM