Trabajo de grado - Pregrado
Segmentación y visualización de tumores de cáncer de mama utilizando herramientas de inteligencia artificial
Fecha
2023-01-13Registro en:
Universidad Autónoma de Occidente
Repositorio Educativo Digital
Autor
Mera Giraldo, Ali Valentina
Institución
Resumen
El objetivo de este trabajo fue la segmentación y visualización de los bordes en el
cáncer de mama por medio de aprendizaje profundo, comparando distintos métodos
de segmentación con su respectiva visualización. La importancia de esta
segmentación radica en disminuir la incidencia de enfermedades residuales,
causadas por bordes no diseccionados debido a la falta de información de las
imágenes durante la planeación quirúrgica.
Para la realización de este trabajo de segmentación, se utilizó una base de datos
que contenía imágenes de MRI de 64 pacientes, de las cuales se tomaron en cuenta
22 pacientes aleatorias. Estas imágenes se convirtieron de formato, se normalizaron
y se realizó la visualización 3D de las mismas utilizando Matlab. Posteriormente se
escogió y se implementó el modelo U-NET de segmentación, evaluando su
rendimiento según los distintos parámetros. Además, estos resultados se
compararon con métodos clásicos de segmentación.
La metodología obtuvo un resultado para el modelo U-NET de 78% para la media
de intersección de unión y un 100% en precisión para la segmentación, mostrando
mejora respecto a los métodos clásicos. Con la metodología implementada fue
posible realizar la visualización 3D y 2D de tumores de cáncer de mama con su
respectiva segmentación en imágenes de resonancia magnética The objective of this work was edge segmentation and visualization in breast cancer
using deep learning techniques. The importance of this segmentation lies in reducing
the incidence of residual disease caused by undissected edges due to a lack of
image information during surgical planning. There were compared several
segmentation methods with their respective visualization.
In order to perform this segmentation work, a database containing MRI images of 64
patients was used, from which 22 random patients were taken into account. These
images were converted, normalized and 3D visualized using Matlab. Subsequently,
the U-NET segmentation model was selected and implemented, evaluating its
performance according to the different parameters. In addition, these results were
compared with classical segmentation methods.
The methodology obtained a result for the U-NET model of 78% for the mean
intersection junctional mean and 100% accuracy for segmentation, showing
improvement concerning classical methods. With the implemented methodology, it
is possible to perform 3D and 2D visualization of breast cancer tumors with their
respective segmentation in magnetic resonance images