Repositori institucional URV
Español Català English
Pertany a la col·lecció TFM:SerieGeneralMESIIA

TÍTOL:

Segmentation and classification of breast cancer pathologies in histological images based on morphological patterns - TFM:357
Handle:

https://hdl.handle.net/20.500.11797/TFM357

Estudiant:Manzi, Berardo Mario
Idioma:Anglès
Títol en la llengua original:Segmentation and classification of breast cancer pathologies in histological images based on morphological patterns
Títol en diferents idiomes:Segmentació i classificació de patologies de càncer de mama en imatges histològiques basades en patrons morfològics
Paraules clau:Segmentación, Cáncer de Mama, Inteligencia Artificial
Matèria:Enginyeria informàtica
Resum:La detecció de mamografia per a la detecció de càncer de mama és un control de rutina per a dones de 40 anys o més. Els possibles sospitosos d'un tumor podrien conduir a biopsies, per permetre estudis histològics. Les imatges resultants seran analitzades per un patòleg expert per detectar algun tipus de càncer comú (adenosis, fibroadenoma, tumor de félodos, adenoma tubular, carcinoma ductal, carcinoma lobular, carcinoma mucíac, carcinoma papil·lar) per definir un tractament adequat. En el nostre treball, es pretén desenvolupar un algoritme capaç de detectar aquest tipus de càncer, que podria donar suport al personal mèdic per emetre un diagnòstic. Per això, aprofitem tècniques d'aprenentatge de màquines, formant xarxes neuronals convolucionals per identificar les diferents classes de càncer a través d'un enfocament de dues etapes. En la primera etapa, s'espera que les xarxes segmentin les imatges per individuar les regions rellevants per al diagnòstic, com ara el teixit connectiu (o estroma) i les cèl·lules epitelials, les alteracions són signes de possible malaltia. La segona etapa se centra en classificar els resultats de la primera etapa en els vuit tipus de càncers o, si més no, en tumors benignes i malignes. Aquest enfocament intenta obtenir una visió del significat de les característiques que aprèn una xarxa neuronal, en contrast amb els mètodes usuals de classificació de punta a punta, que són capaços de funcionar correctament però que el mecanisme intern encara no es coneix al dissenyador , actuant, per tant, com una caixa negra. Comparem el nostre enfocament amb aquest esquema de classificació d'extrem a extrem i demostrem que som capaços d'obtenir precisions similars i, alhora, donar una visió de les característiques visuals rellevants.
Director del projecte:Romaní-Also, Santiago
Departament:Enginyeria Informàtica i Matemàtiques
Ensenyament(s):Enginyeria de la Seguretat Informàtica i Intel·ligència Artificial
Entitat:Universitat Rovira i Virgili (URV)
Crèdits del TFM:9
Data de la defensa del treball:2018-09-12
Curs acadèmic:2017-2018
Confidencialitat:No
Àrees temàtiques:Enginyeria informàtica
Data d'alta al repositori:2018-02-11
Cerca el teu registre a:

Fitxers disponibles
FitxerDescripcióFormat
MemòriaMemòriaapplication/pdf


Informació

© 2011 Universitat Rovira i Virgili