Caracterización de microcalcificaciones de carcinoma mamario a partir de detecciones simuladas en fantomas con parámetros conocidos
Enlace de Referencia
Autores
Director
Jurado
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Fecha
Resumen en español
El cáncer es un grupo de enfermedades que consiste en la reproducción descontrolada de células en el cuerpo y varía dependiendo del tipo de célula y la región donde se ubica. El tipo de cáncer más común en mujeres es el cáncer de mama o cáncer de seno, el cual comprende alrededor del 25% de casos. La detección temprana del cáncer es fundamental para el éxito de su tratamiento y reducir su mortalidad. Para ello, es necesario desarrollar herramientas para acelerar estos diagnósticos e incrementar su precisión. En el siguiente trabajo de grado, se explora una herramienta computacional que hace uso de algoritmos de interpolación, visión computarizada y procesamiento de imágenes para extraer características cuantitativas de un proceso físico-médico como la tomografía computarizada de secciones del cuerpo humano con patologías, específicamente centrándose en el caso de estudio del cáncer de seno. Además, se evalúa la eficiencia de detección automática de este algoritmo con otros métodos de detección.
Resumen en inglés
Cancer is a group of diseases that consists of the uncontrolled reproduction of cells in the body and varies depending on the type of cell and the region where it is located. The most common type of cancer in women is breast cancer, which comprises about 25% of cases. Early detection of breast cancer is essential for the success of the treatment and reducing mortality. For this, it is necessary to develop tools that speed up these diagnoses and increase their precision. In the next dissertation, we explore a computational tool that makes use of interpolation algorithms, computerized vision, and image processing to extract quantitative characteristics of a physical-medical process such as computed tomography of sections of the human body with pathologies, specifically focusing on the breast cancer case study. In addition, the results of this algorithm are evaluated with other state-of-art detection methods that use different approach such as machine learning and deep learning.