Avançaments en la generació d'imatges mamogràfiques mitjançant autòmats cel·lulars generatius per millorar sistemes CAD

Identificador:  TFM:2522

Handle: https://hdl.handle.net/20.500.11797/TFM2522

Autors:  Rothörl, Lea

Resum:
Aquesta tesi explora l'aplicació del marc de treball Generative Cellular Automata (GeCA) per a la síntesi d'imatges mamogràfiques utilitzant el conjunt de dades VinDr-Mammo. El marc de treball es va adaptar per al maneig d'imatges personalitzable i es va ampliar amb un classificador de densitat mamària per avaluar el seu impacte en una tasca posterior. Els resultats mostren que GeCA pot generar mamografies perceptualment realistes i millorar les puntuacions macro F1 en classes de densitat infrarepresentades, tot i que les mètriques binàries van variar. Les limitacions inclouen la dependència d'un únic conjunt de dades, la mida petita de la imatge i un classificador personalitzat. Tot i així, l'estudi destaca el potencial de GeCA per a la síntesi d'imatges mèdiques, la qual cosa justifica més investigació amb diversos conjunts de dades i tasques clíniques.