Título :	Clasificación de microcalcificaciones utilizando descriptores morfológicos
Autor(es):	Rut Audelo Valverde
Palabras clave:	Clasificación Classification Descriptores Descriptors Microcalcificación Microcalcification
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	jun-2014
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias (Instrumentación y Control)
Resumen:	El trabajo de tesis presentado a continuación tuvo como objetivo la clasificación de microcalcificaciones encontradas en la base de datos MIAS (Mammographic Image Analysis Society) en 2 grupos de microcalcificaciones, los cuales fueron: benignas y malignas, basados en la clasificación de microcalcificaciones de Le Gal (1984). Para trabajar con los descriptores de forma fue necesaria la binarización de las microcalcificaciones de manera individual utilizando el análisis del histograma y el método de Otsu. Las imágenes de la base de datos fueron analizadas a través de los diferentes descriptores morfológicos los cuales fueron: momentos de orden 0, 1, 2 y 3, excentricidad, signatura, compacidad, área y ramificaciones; cuya información pasa al clasificador utilizado en este trabajo red neuronal artificial con el perceptrón multicapa de retropropagación. El número de imágenes (muestras) utilizadas como pruebas experimentales para validar la hipótesis se obtuvieron a través de la determinación del número mínimo de observaciones en investigación, obviando las estimaciones de la varianza de datos. Los resultados obtenidos fueron comparados con diagnósticos realizados por médicos radiólogos de los cuales se obtuvieron los verdaderos positivos, verdaderos negativos, falsos positivos y falsos negativos, para posteriormente analizar el rendimiento del algoritmo de clasificación propuesto mediante la sensibilidad y especificidad. The main objective of this thesis is the classification of microcalcifications found in MIAS (Mammographic Image Analysis Society) data base into 2 groups, which were: benignant and malignant, based on Le Gal¿s classification presented on 1984. First of all, it was necessary to binarize each microcalcification independently using histogram analysis and Otsu¿s method. The resultant image was analyzed through the next morphological descriptors: Hu¿s Moments, Eccentricity, Signature, Compactness, Area and Ramifications; this information becomes in the input vector of a Neural Network (Backpropagation) as a automated classifier. The number of samples used as experimental tests to validate the hypothesis proposed in this work was obtained using the determination of minimum samples of experimental observations, obviating the data¿s variance estimates. The results were compare with Medical diagnosis made by Radiologist, which true positives, true negatives, false positives and false negatives are obtained to analyzed the performance of this classification algorithm using sensitivity and specificity.
URI:	http://ri-ng.uaq.mx/handle/123456789/842
Aparece en:	Maestría en Ciencias (Instrumentación y Control)

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.