Clasificación automática de Densidad Mamaria

Autores
Griffa, Guillermina; Bertero, Micaela; Rulloni, Valeria
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Griffa, Guillermina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Bertero, Micaela. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Rulloni, Valeria. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
La mamografía se considera en la actualidad una herramienta de diagnóstico muy útil para la detección de lesiones mamarias. Sin embargo, la sensibilidad de éstas disminuye conforme aumenta la densidad del tejido.Con el objetivo de desarrollar una herramienta informática de apoyo al médico que determine dicha densidad de manera automática, en este trabajo se utilizó el aprendizaje autómatico. Para esto se estudiaron y desarrollaron distintos descriptores basados en análisis de brillo y textura, tales como histograma, entropía de permutaciones (EP), dimensión fractal (DF), entropía de bloques del gradiente binarizado (EBGB), etc. En conjunto constituyen la entrada de los algoritmos de clasificación automática utilizados: Support Vector Machine (SVM), k-vecinos más cercanos (k-NN), Random Forest y Regresión logística, entre otros. El mejor resultado fue obtenido con el clasificador SVM, aunque todos se encuentran dentro del mismo rango. A su vez, mediante un análisis de componentes principales, se llega a la conclusión de que un valor similar puede obtenerse reduciendo la cantidad de características, lo que lleva a una reducción de los tiempos de cómputo.
http://asamaci.org.ar/wp-content/uploads/2019/09/actas_edicion-vii_maci2019.pdf
Fil: Griffa, Guillermina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Bertero, Micaela. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Rulloni, Valeria. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Estadística y Probabilidad
Materia
Mamografía digital
Textura
Lesiones mamarias
TECHNOLOGY
MEDICINE
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/561500
Acceder
id RDUUNC_f035fab4f61732b673149f8cb8e26818
oai_identifier_str oai:rdu.unc.edu.ar:11086/561500
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Clasificación automática de Densidad MamariaGriffa, GuillerminaBertero, MicaelaRulloni, ValeriaMamografía digitalTexturaLesiones mamariasTECHNOLOGYMEDICINEFil: Griffa, Guillermina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Bertero, Micaela. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Rulloni, Valeria. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.La mamografía se considera en la actualidad una herramienta de diagnóstico muy útil para la detección de lesiones mamarias. Sin embargo, la sensibilidad de éstas disminuye conforme aumenta la densidad del tejido.Con el objetivo de desarrollar una herramienta informática de apoyo al médico que determine dicha densidad de manera automática, en este trabajo se utilizó el aprendizaje autómatico. Para esto se estudiaron y desarrollaron distintos descriptores basados en análisis de brillo y textura, tales como histograma, entropía de permutaciones (EP), dimensión fractal (DF), entropía de bloques del gradiente binarizado (EBGB), etc. En conjunto constituyen la entrada de los algoritmos de clasificación automática utilizados: Support Vector Machine (SVM), k-vecinos más cercanos (k-NN), Random Forest y Regresión logística, entre otros. El mejor resultado fue obtenido con el clasificador SVM, aunque todos se encuentran dentro del mismo rango. A su vez, mediante un análisis de componentes principales, se llega a la conclusión de que un valor similar puede obtenerse reduciendo la cantidad de características, lo que lleva a una reducción de los tiempos de cómputo.http://asamaci.org.ar/wp-content/uploads/2019/09/actas_edicion-vii_maci2019.pdfFil: Griffa, Guillermina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Bertero, Micaela. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Rulloni, Valeria. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Estadística y Probabilidad2019info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf2314-3282http://hdl.handle.net/11086/561500spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2026-06-11T09:54:43Zoai:rdu.unc.edu.ar:11086/561500Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722026-06-11 09:54:43.274Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Clasificación automática de Densidad Mamaria
title Clasificación automática de Densidad Mamaria
spellingShingle Clasificación automática de Densidad Mamaria
Griffa, Guillermina
Mamografía digital
Textura
Lesiones mamarias
TECHNOLOGY
MEDICINE
title_short Clasificación automática de Densidad Mamaria
title_full Clasificación automática de Densidad Mamaria
title_fullStr Clasificación automática de Densidad Mamaria
title_full_unstemmed Clasificación automática de Densidad Mamaria
title_sort Clasificación automática de Densidad Mamaria
dc.creator.none.fl_str_mv Griffa, Guillermina
Bertero, Micaela
Rulloni, Valeria
author Griffa, Guillermina
author_facet Griffa, Guillermina
Bertero, Micaela
Rulloni, Valeria
author_role author
author2 Bertero, Micaela
Rulloni, Valeria
author2_role author
author
dc.subject.none.fl_str_mv Mamografía digital
Textura
Lesiones mamarias
TECHNOLOGY
MEDICINE
topic Mamografía digital
Textura
Lesiones mamarias
TECHNOLOGY
MEDICINE
dc.description.none.fl_txt_mv Fil: Griffa, Guillermina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Bertero, Micaela. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Rulloni, Valeria. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
La mamografía se considera en la actualidad una herramienta de diagnóstico muy útil para la detección de lesiones mamarias. Sin embargo, la sensibilidad de éstas disminuye conforme aumenta la densidad del tejido.Con el objetivo de desarrollar una herramienta informática de apoyo al médico que determine dicha densidad de manera automática, en este trabajo se utilizó el aprendizaje autómatico. Para esto se estudiaron y desarrollaron distintos descriptores basados en análisis de brillo y textura, tales como histograma, entropía de permutaciones (EP), dimensión fractal (DF), entropía de bloques del gradiente binarizado (EBGB), etc. En conjunto constituyen la entrada de los algoritmos de clasificación automática utilizados: Support Vector Machine (SVM), k-vecinos más cercanos (k-NN), Random Forest y Regresión logística, entre otros. El mejor resultado fue obtenido con el clasificador SVM, aunque todos se encuentran dentro del mismo rango. A su vez, mediante un análisis de componentes principales, se llega a la conclusión de que un valor similar puede obtenerse reduciendo la cantidad de características, lo que lleva a una reducción de los tiempos de cómputo.
http://asamaci.org.ar/wp-content/uploads/2019/09/actas_edicion-vii_maci2019.pdf
Fil: Griffa, Guillermina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Bertero, Micaela. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Rulloni, Valeria. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Estadística y Probabilidad
description Fil: Griffa, Guillermina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv 2314-3282
http://hdl.handle.net/11086/561500
identifier_str_mv 2314-3282
url http://hdl.handle.net/11086/561500
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1867707213000212480
score 12.677308

Publicaciones similares