Autores

José Ángel González Fraga, UABC

Carlos Eduardo Sánchez Torres, UABC

Resumen

Preprocesamiento para mamografías con el objetivo de segmentar la mama de manera precisa, una etapa crucial en cualquier sistema de diagnóstico asistido por ordenador (CAD). El preprocesamiento de mamografías juega un papel vital en la mejora de la eficacia de los sistemas CAD, permitiendo la eliminación de ruido y artefactos para un futuro entrenamiento de una red neuronal convolucional, la mejora del contraste de las imágenes y, en última instancia, la segmentación precisa de la mama.

Introducción

Problemática

Trabajos relacionados

Metodología

TODO: Entrenar la red neuronal convolucional para segmentar la mama.

Aquí funciona bien enfoques clásicos (KMeans):

Pero falla en el siguiente ejemplo (y muchos otros):

Descripción del conjunto de datos

Análisis exploratorio

Algoritmos de aprendizaje

TODO: Entrenar una red neuronal para segmentar la mama

Resultados

Referencias

TwoViewDensityNet: Two-View Mammographic Breast Density Classification Based on Deep Convolutional Neural Network Mariam Busaleh 1 , Muhammad Hussain 1,* , Hatim A. Aboalsamh 1 , Fazal-e-Amin 2 and Sarah A. Al Sultan 3

Anexo

Dataset

https://www.eng.usf.edu/cvprg/mammography/database.html

Material didáctico

https://course.fast.ai/

https://www.youtube.com/@IrvingVasquez

Moroney, L. (2020). AI and Machine Learning for coders. O'Reilly Media.