Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nd/4.0 es_ES
dc.contributor Alberto de Jesús Pastrana Palma es_ES
dc.creator Rut Audelo Valverde es_ES
dc.date 2014-06
dc.date.accessioned 2018-12-14T16:21:44Z
dc.date.available 2018-12-14T16:21:44Z
dc.date.issued 2014-06
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/842
dc.description 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. es_ES
dc.description 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. es_ES
dc.format Adobe PDF es_ES
dc.language.iso Español es_ES
dc.relation.requires Si es_ES
dc.rights Acceso Abierto es_ES
dc.subject Clasificación es_ES
dc.subject Classification es_ES
dc.subject Descriptores es_ES
dc.subject Descriptors es_ES
dc.subject Microcalcificación es_ES
dc.subject Microcalcification es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Clasificación de microcalcificaciones utilizando descriptores morfológicos es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador AUVR900510MSLDLT06 es_ES
dc.contributor.identificador PAPA791003HDFSLL03 es_ES
dc.contributor.role Director es_ES
dc.degree.name Maestría en Ciencias (Instrumentación y Control) es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI003949.pdf
Tamaño: 1.084Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem