Modelo estadístico de textura para detección de masas en mamografía

dc.creatorFernández Mc-Cann, David Stephen
dc.creatorGallego Ortiz, Nicolás
dc.date2023-06-28T03:13:34Z
dc.date2023-06-28T03:13:34Z
dc.date2013
dc.date.accessioned2024-04-23T18:17:12Z
dc.date.available2024-04-23T18:17:12Z
dc.identifier0121-4993
dc.identifierhttps://hdl.handle.net/10495/35673
dc.identifier2011-0049
dc.identifierhttps://ojsrevistaing.uniandes.edu.co/ojs/index.php/revista
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9230623
dc.descriptionRESUMEN: En el contexto de procesamiento de imágenes para detección de masas en mamografía, la textura es una característica clave para distinguir tejido anormal del normal. Recientemente un modelo de textura basado en mezcla de gaussianas multivariadas fue propuesto. El modelo produce imágenes Tue son mapas probabilísticos de la normalidad de la textura y fue propuesto como una ayuda de visualización para diagnostico por médicos expertos. En este artículo la usabilidad de dicho modelo es estudiada para detección automática de masas. Una estrategia de segmentación es propuesta y evaluada en 79 casos de mamografía.
dc.descriptionABSTRACT: In the context of image processing algorithms for mass detection in mammography, texture is a key feature to be used to distinguish abnormal tissue from normal tissue. Recently, a texture model based on a multivariate gaussian mixture was proposed, of which the parameters are learned in an unsupervised way from the pixel intensities of images. The model produces images that are probabilistic maps of texture normality and it was proposed as a visualization aid for diagnostic by clinical experts. In this paper, the usability of the model is studied for automatic mass detection. A segmentation strategy is proposed and evaluated using 79 mammography cases.
dc.descriptionCOL0039045
dc.format5
dc.formatApplication/pdf
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad de los Andes, Facultad de Ingeniería
dc.publisherGEPAR-Grupo de Electrónica de Potencia, Automatización y Robótica
dc.publisherBogotá, Colombia
dc.relationRev. Ing.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://creativecommons.org/licenses/by/2.5/co/
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightshttps://creativecommons.org/licenses/by/4.0/
dc.subjectIngeniería Biomédica
dc.subjectBiomedical Engineering
dc.subjectCáncer de Seno
dc.subjectBreast Neoplasms
dc.subjectRadiodiagnóstico
dc.subjectDiagnostic Imaging
dc.subjectMétodos estadísticos
dc.subjectStatistical methods
dc.subjectModelos matemáticos
dc.subjectMathematical models
dc.subjecthttp://aims.fao.org/aos/agrovoc/c_7377
dc.titleStatistical Texture Model for mass Detection in Mammography
dc.titleModelo estadístico de textura para detección de masas en mamografía
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typehttp://purl.org/coar/resource_type/c_2df8fbb1
dc.typehttps://purl.org/redcol/resource_type/ART
dc.typeArtículo de investigación


Este ítem pertenece a la siguiente institución