• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería Electrónica
  • Please use this identifier to cite or link to this item: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5276
    Title: Herramienta para la segmentación de microcalcificaciones e identificación de riegos de carcinoma en imágenes mamográficas haciendo uso de inteligencia artificial.
    Authors: Arcia Moreno, Luis Miguel.
    Keywords: Mask R-CNN.
    Microcalcificaciones.
    CBIS-DSSM.
    Rest-Net50.
    Clasificación.
    Issue Date: 2020
    Publisher: Universidad de Pamplona- Facultad de Ingenierías y Arquitectura.
    Citation: Arcia Moreno, L. M. (2019). Herramienta para la segmentación de microcalcificaciones e identificación de riegos de carcinoma en imágenes mamográficas haciendo uso de inteligencia artificial [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5276
    Abstract: In this research project explains and details the construction of a CAD that by means of Mask R-CNN semantically segments microcalcifications present in mammograms, additionally based on the spatial distribution of these lesions wit hin the breast, the severity of the injury classifying it as benign or malignant. In order to reduce the computational crap of the system, the RestNet50 pre-trained model was used, with resized and compressed images obtained from the CBIS DSSM database.
    Description: En este proyecto de investigación se explica y detalla la construcción de un CAD (Detección Asistida por Computadora) que por medio de Mask R-CNN que segmenta semánticamente microcalcificaciones presentes en mamografías, adi cionalmente con en base a la distribución espacial de estas lesiones dentro de la mama, se determinar la severidad de la lesión clasificándola en benigna o ma ligna. Con el propósito de reducir la caga computacional del sistema se utilizó el modelo pre entrenado RestNet50, con imagen redimensionadas y comprimidas obtenidas de la base de datos CBIS-DSSM.
    URI: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5276
    Appears in Collections:Ingeniería Electrónica

    Files in This Item:
    File Description SizeFormat 
    Arcia_2019_TG.pdfArcia_2019_TG16,94 MBAdobe PDFView/Open


    Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.