| dc.contributor | JESUS ANTONIO GONZALEZ BERNAL | |
| dc.contributor | LEOPOLDO ALTAMIRANO ROBLES | |
| dc.creator | GABRIELA ALEJANDRA RODRIGUEZ RUIZ | |
| dc.date | 2009-10 | |
| dc.date.accessioned | 2023-07-25T16:21:34Z | |
| dc.date.available | 2023-07-25T16:21:34Z | |
| dc.identifier | http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/442 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/7805660 | |
| dc.description | The main objective of this thesis is to develop a new method for detecting
microcalcifications in digital mammograms, using machine learning and computer vision
techniques; the method detects different shapes, sizes and intensities of microcalcifications,
and also it´s able to recognize them not only in fat breast but also in dense breast. To
achieve this objective, the breast tissue is taken into account to detect microcalcifications
even in dense breast, where the contrast difference between tissue and microcalcification is
almost null. In the segmentation step the Fisher Linear Discriminants are used to segment
the possible microcalcifications, to reduce the false positives generated in this step, some
characteristics (morphological and intensity) are extracted from these regions. The method
is tested; using ISSSTEP and MIAS databases, the ROC and FROC analysis were used as
performance measures. | |
| dc.description | Este trabajo tiene como objetivo fundamental desarrollar un método para la detección de
microcalcificaciones en mastografías digitales, basado en técnicas de aprendizaje
computacional y visión por computadora; el cual permita identificar microcalcificaciones
de diversas formas, tamaños, tonalidades y además sea capaz de identificarlas no sólo en
senos grasos sino también en senos densos sin incrementar el número de falsos positivos.
Para lograr el objetivo planteado, el tipo de tejido por el que mayormente está formado el
seno (densidad) es tomado en cuenta, lo que permite detectar microcalcificaciones aún en
senos donde la diferencia de contraste entre el tejido y la microcalcificación es mínima
(senos densos). En la etapa de segmentación los discriminantes lineales de Fisher (FLD) se
utilizan para segmentar las posibles microcalcificaciones del seno, a partir de estas
regiones, se extraen características (morfológicas y de intensidad de gris) y mediante un
clasificador se reduce el número de falsos positivos.
Para probar el método, se utilizaron las bases de mastografías ISSSTEP y MIAS, para la
evaluación del desempeño del método se utilizó el análisis ROC y el análisis FROC. | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| dc.relation | citation:Rodriguez-Ruiz G.A. | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0 | |
| dc.subject | info:eu-repo/classification/Segmentación de imagen/Image segmentation | |
| dc.subject | info:eu-repo/classification/Imagen de clasificación/Classification image | |
| dc.subject | info:eu-repo/classification/Visión/Vision | |
| dc.subject | info:eu-repo/classification/cti/1 | |
| dc.subject | info:eu-repo/classification/cti/12 | |
| dc.subject | info:eu-repo/classification/cti/1203 | |
| dc.subject | info:eu-repo/classification/cti/1203 | |
| dc.title | Detección de microcalcificaciones utilizando discriminantes lineales de Fisher | |
| dc.type | info:eu-repo/semantics/masterThesis | |
| dc.type | info:eu-repo/semantics/acceptedVersion | |
| dc.audience | students | |
| dc.audience | researchers | |
| dc.audience | generalPublic | |
