Repositori institucional URV
Español Català English
Pertenece a la colección TFM:SerieGeneralMESIIA

TÍTULO:

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

Estudiante:Manzi, Berardo Mario
Idioma:Anglès
Título en la lengua original:Segmentation and classification of breast cancer pathologies in histological images based on morphological patterns
Título en diferentes idiomas:Segmentación y clasificación de las patologías del cáncer de mama en imágenes histológicas basadas en patrones morfológicos
Palabras clave:Segmentació, Càncer de Mama, Intel·ligència Artificial
Materia:Enginyeria informàtica
Resumen:La detección por mamografía para detectar el cáncer de mama es un control de rutina para las mujeres de 40 años o más. Eventuales sospechosos de un tumor pueden conducir a biopsias, para permitir estudios histológicos. Las imágenes resultantes serán analizadas por un patólogo experto para detectar cualquiera de los tipos de cáncer comunes (adenosis, fibroadenoma, tumor filodes, adenoma tubular, carcinoma ductal, carcinoma lobular, carcinoma mucinoso, carcinoma papilar), para definir un tratamiento adecuado. En nuestro trabajo, nuestro objetivo es desarrollar un algoritmo capaz de detectar dichos tipos de cáncer, lo que podría ayudar al personal médico a emitir un diagnóstico. Para este propósito, explotamos las técnicas de aprendizaje automático, entrenando redes neuronales convolucionales para identificar las diferentes clases de cáncer a través de un enfoque de dos etapas. En la primera etapa, se espera que las redes segmenten las imágenes individualizando las regiones de relevancia para el diagnóstico, como el tejido conectivo (o estroma) y las células del epitelio, cuyas alteraciones son signos de posible enfermedad. La segunda etapa se centra en clasificar los resultados de la primera etapa en los ocho tipos de cáncer, o, al menos, en tumores benignos y malignos. Este enfoque intenta obtener una idea del significado de las características aprendidas por una red neuronal, en contraste con los métodos habituales de clasificación de extremo a extremo comúnmente empleados, que pueden funcionar correctamente pero cuyo mecanismo interno es desconocido incluso para el diseñador. , actuando, por lo tanto, como una caja negra. Comparamos nuestro enfoque con este esquema de clasificación de extremo a extremo y demostramos que somos capaces de obtener precisiones similares mientras que, al mismo tiempo, damos una idea de las características visuales relevantes.
Director del proyecto:Romaní-Also, Santiago
Departamento:Enginyeria Informàtica i Matemàtiques
Enseñanza(s):Enginyeria de la Seguretat Informàtica i Intel·ligència Artificial
Entidad:Universitat Rovira i Virgili (URV)
Creditos del TFM:9
Fecha de la defensa del trabajo:2018-09-12
Curso académico:2017-2018
Confidencialidad:No
Áreas temàticas:Ingeniería informática
Fecha de alta en el repositorio:2018-02-11
Busca tu registro en:

Archivos desponibles
ArchivoDescripciónFormato
MemòriaMemoriaapplication/pdf


Información

© 2011 Universitat Rovira i Virgili