Preprocesamiento de mamografías para segmentar la mama
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://www.youtube.com/@IrvingVasquez
Moroney, L. (2020). AI and Machine Learning for coders. O'Reilly Media.