Please use this identifier to cite or link to this item: http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2455
Dimensión multi-fractal aplicada a la identificación de células malignas en cáncer de mama.
ALEX SALAS
Julio César Pérez Sansalvador
noureddine lakouari
Acceso Abierto
Atribución-NoComercial-SinDerivadas
breast cáncer
multifractal dimensión
machine learning
El cáncer de mama es uno de los tipos de cáncer más frecuentes en la actualidad, es la segunda causa de muerte a nivel mundial, principalmente en mujeres adultas. El método principal para detección de cáncer de mama es la biopsia, por el cual se puede obtener muestras de tejido humano para su análisis en laboratorio y con ello la detección de imágenes microscópicas. Los métodos de diagnóstico de cáncer de mama realizados por personal especializado son subjetivos y propensos a errores que pudieran derivar en falsos positivos o falsos negativos. Lo anterior podría implicar el tomar decisiones catastróficas para el paciente, por lo que resulta necesario el diseño y desarrollo de estrategias automatizadas que ayuden a los especialistas en la toma de decisiones. En este trabajo se desarrolla un método computacional de aprendizaje automático para la clasificación de imágenes en distintos aumentos microscópicos de células benignas y malignas de cáncer de mama a partir de la dimensión fractal y multi-fractal. Obteniendo la exactitud del clasificador bosque aleatorio con la probabilidad 0.999 de efectividad, resultados de alto impacto sobre otros trabajos.
Instituto Nacional de Astrofísica, Óptica y Electrónica.
18-05-2023
Tesis de maestría
Español
Estudiantes
Investigadores
Público en general
Salas Tlapaya, A. S., (2023), Dimensión multi-fractal aplicada a la identificación de células malignas en cáncer de mama, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica.
OTRAS
Versión aceptada
acceptedVersion - Versión aceptada
Appears in Collections:Maestría en Ciencias y Tecnologías Biomédicas

Upload archives


File SizeFormat 
SALASTAS_ MCTB.pdf7.52 MBAdobe PDFView/Open