Breast medical images classification through the application of deep learning processing technologies

[ES] El cáncer de mama es una de las principales causas de muerte en mujeres de todo el mundo. Supone el 18.2% de las muertes por cáncer en la mujer y la primera causa de muerte en mujeres entre 40 y 55 años según la Sociedad Española de Senología y Patología Mamaria (SESPM). Una forma eficiente de...

Descripción completa

Detalles Bibliográficos
Autor: Jiménez Gaona, Yuliana del Cisne
Tipo de recurso: tesis doctoral
Fecha de publicación:2024
País:España
Institución:Universitat Politècnica de València (UPV)
Repositorio:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Idioma:inglés
OAI Identifier:oai:riunet.upv.es:10251/208435
Acceso en línea:https://riunet.upv.es/handle/10251/208435
Access Level:acceso abierto
Palabra clave:Modelos de aprendizaje automático
Imágenes médicas
Tratamiento de imágenes médicas
Cáncer de mama
Aprendizaje profundo
Medical images
Machine learning models
Medical image processing
Breast cancer
Deep learning
MATEMATICA APLICADA
03.- Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades
id ES_ca9b5be01aba908c6a6bbc0132c2e2c7
oai_identifier_str oai:riunet.upv.es:10251/208435
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Breast medical images classification through the application of deep learning processing technologies
title Breast medical images classification through the application of deep learning processing technologies
spellingShingle Breast medical images classification through the application of deep learning processing technologies
Jiménez Gaona, Yuliana del Cisne
Modelos de aprendizaje automático
Imágenes médicas
Tratamiento de imágenes médicas
Cáncer de mama
Aprendizaje profundo
Medical images
Machine learning models
Medical image processing
Breast cancer
Deep learning
MATEMATICA APLICADA
03.- Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades
title_short Breast medical images classification through the application of deep learning processing technologies
title_full Breast medical images classification through the application of deep learning processing technologies
title_fullStr Breast medical images classification through the application of deep learning processing technologies
title_full_unstemmed Breast medical images classification through the application of deep learning processing technologies
title_sort Breast medical images classification through the application of deep learning processing technologies
dc.creator.none.fl_str_mv Jiménez Gaona, Yuliana del Cisne
author Jiménez Gaona, Yuliana del Cisne
author_facet Jiménez Gaona, Yuliana del Cisne
author_role author
dc.contributor.none.fl_str_mv Lakshminarayanan, Vasudevan
Rodríguez Álvarez, María José
Departamento de Matemática Aplicada
Escuela Técnica Superior de Ingeniería Informática
Instituto de Instrumentación para Imagen Molecular
Agencia Estatal de Investigación
Repositorio Institucional de la Universitat Politècnica de València Riunet
dc.subject.none.fl_str_mv Modelos de aprendizaje automático
Imágenes médicas
Tratamiento de imágenes médicas
Cáncer de mama
Aprendizaje profundo
Medical images
Machine learning models
Medical image processing
Breast cancer
Deep learning
MATEMATICA APLICADA
03.- Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades
topic Modelos de aprendizaje automático
Imágenes médicas
Tratamiento de imágenes médicas
Cáncer de mama
Aprendizaje profundo
Medical images
Machine learning models
Medical image processing
Breast cancer
Deep learning
MATEMATICA APLICADA
03.- Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades
description [ES] El cáncer de mama es una de las principales causas de muerte en mujeres de todo el mundo. Supone el 18.2% de las muertes por cáncer en la mujer y la primera causa de muerte en mujeres entre 40 y 55 años según la Sociedad Española de Senología y Patología Mamaria (SESPM). Una forma eficiente de disminuir este porcentaje es diagnosticarlo de forma temprana mediante exámenes de rayos x (Mamografía, Tomografía por emisión de positrones, Imagen de resonancia magnética, Tomografía computarizada), Ultrasonido, Tomosíntesis, Histopatología y Termografía. En la actualidad dentro del campo de la radiómica estos datos clínicos están siendo procesados con el uso de algoritmos de inteligencia artificial, especialmente para el preprocesamiento, segmentación y clasificación de lesiones malignas o benignas presentes en las imágenes médicas. Además, el desarrollo de estos sistemas computacionales asistidos para diagnóstico y detección temprana de anomalías presentes en la mama, ayudan al médico con una segunda opinión al diagnóstico manual tradicional. En consecuencia, el objetivo de este estudio es construir modelos de aprendizaje profundo y automático para la detección, segmentación y clasificación de lesiones mamarias en imágenes de mamografía y ultrasonido. Los hallazgos de este estudio brindan diversas herramientas de aumento de datos, super resolución, segmentación y clasificación automática de imágenes de mama para mejorar la precisión en los algoritmos de clasificación de lesiones mamarias.
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-09-02
2024
2024-07-26
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
AM
http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://riunet.upv.es/handle/10251/208435
url https://riunet.upv.es/handle/10251/208435
dc.language.none.fl_str_mv Inglés
eng
language_invalid_str_mv Inglés
language eng
dc.relation.none.fl_str_mv Agencia Estatal de Investigación http://dx.doi.org/10.13039/501100011033 Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020 PID2019-107790RB-C22 DESARROLLO DEL SOFTWARE PARA UN SISTEMA PET DE CRISTAL CONTINUO APLICADO AL CANCER DE MAMA
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reserva de todos los derechos
http://rightsstatements.org/vocab/InC/1.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reserva de todos los derechos
http://rightsstatements.org/vocab/InC/1.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Politècnica de València
publisher.none.fl_str_mv Universitat Politècnica de València
dc.source.none.fl_str_mv reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
instname:Universitat Politècnica de València (UPV)
instname_str Universitat Politècnica de València (UPV)
reponame_str RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
collection RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869419494789611520
spelling Breast medical images classification through the application of deep learning processing technologiesJiménez Gaona, Yuliana del CisneModelos de aprendizaje automáticoImágenes médicasTratamiento de imágenes médicasCáncer de mamaAprendizaje profundoMedical imagesMachine learning modelsMedical image processingBreast cancerDeep learningMATEMATICA APLICADA03.- Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades[ES] El cáncer de mama es una de las principales causas de muerte en mujeres de todo el mundo. Supone el 18.2% de las muertes por cáncer en la mujer y la primera causa de muerte en mujeres entre 40 y 55 años según la Sociedad Española de Senología y Patología Mamaria (SESPM). Una forma eficiente de disminuir este porcentaje es diagnosticarlo de forma temprana mediante exámenes de rayos x (Mamografía, Tomografía por emisión de positrones, Imagen de resonancia magnética, Tomografía computarizada), Ultrasonido, Tomosíntesis, Histopatología y Termografía. En la actualidad dentro del campo de la radiómica estos datos clínicos están siendo procesados con el uso de algoritmos de inteligencia artificial, especialmente para el preprocesamiento, segmentación y clasificación de lesiones malignas o benignas presentes en las imágenes médicas. Además, el desarrollo de estos sistemas computacionales asistidos para diagnóstico y detección temprana de anomalías presentes en la mama, ayudan al médico con una segunda opinión al diagnóstico manual tradicional. En consecuencia, el objetivo de este estudio es construir modelos de aprendizaje profundo y automático para la detección, segmentación y clasificación de lesiones mamarias en imágenes de mamografía y ultrasonido. Los hallazgos de este estudio brindan diversas herramientas de aumento de datos, super resolución, segmentación y clasificación automática de imágenes de mama para mejorar la precisión en los algoritmos de clasificación de lesiones mamarias.[CA] El càncer de mama és una de les principals causes de mort en dones de tot el món. La mortalitat relacionada amb esta mena de càncer és més alta en comparación amb altres tipus de càncer. Una forma eficient de disminuir este percentatge és diagnosticar-lo de manera primerenca mitjançant exàmens de raigs x (Mamografia, Tomografía per emissió de positrons, Imatge de ressonància magnètica, Tomografia computada), Ultrasò, Tomosíntesi, Histopatologia i Termografia. En la actualidad dins del camp de la radiómica estes dades clíniques estan sent processados amb l'ús d'algorismes d'intel·ligència artificial, especialment per al preprocesamiento, segmentació i classificació de lesions malignes o benignes presents en les imatges mèdiques. A més, el desenvolupament d'estos sistemes computacionals asistidos per a diagnòstic i detecció precoç d'anomalies presents en la mama, ajuden al metge amb una segona opinió al diagnòstic manual tradicional. En conseqüència, l'objectiu d'este estudi és construir models d'aprenentatge profundo i automàtic per a la detecció, segmentació i classificació de lesions mamàries en imatges de mamografia i ultrasò. Les troballes d'este estudi brinden vaig donar-verses ferramentes d'augment de dades, super resolució, segmentació i classificación automàtica d'imatges de mama per a millorar la precisió en els algorismes de classificació de lesions mamàries.[EN] Breast cancer is one of the most common causes of death in women worldwide. It accounts for 18.2% of cancer deaths in women and is the leading cause of death in women between 40 and 55 years of age, according to the Spanish Society of Senology and Breast Pathology (SESPM). An effective way to reduce this rate is through early diagnosis using radiological imaging (mammography, positron emission tomography, magnetic resonance imaging, computed tomography), Ultrasound, Tomosynthesis, Histopathology and Thermography. Currently, the field of radiomics is processing these clinical data using artificial intelligence algorithms, for pre-processing, segmentation, and classification of malignant or benign lesions present in medical images. In addition, the development of these computer-aided systems for diagnosis and early detection of breast abnormalities helps the radiologists with a second opinion to the traditional manual diagnosis. Therefore, the aim of this study is to build deep and machine learning models for the detection, segmentation, and classification of breast lesions in mammography and ultrasound images. The results of this study provide several tools for data augmentation, super-resolution, segmentation, and automatic classification of breast images to improve the accuracy of breast lesion classification algorithms.This research project was co-funded by the Spanish Government Grant PID2019-107790RB-C22, which aimed to develop software for a continuous PET crystal system to be applied in breast cancer treatment.Universitat Politècnica de ValènciaLakshminarayanan, VasudevanRodríguez Álvarez, María JoséDepartamento de Matemática AplicadaEscuela Técnica Superior de Ingeniería InformáticaInstituto de Instrumentación para Imagen MolecularAgencia Estatal de InvestigaciónRepositorio Institucional de la Universitat Politècnica de València Riunet20242024-09-0220242024-07-26doctoral thesishttp://purl.org/coar/resource_type/c_db06AMhttp://purl.org/coar/version/c_ab4af688f83e57aainfo:eu-repo/semantics/doctoralThesisapplication/pdfapplication/pdfapplication/pdfhttps://riunet.upv.es/handle/10251/208435reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valénciainstname:Universitat Politècnica de València (UPV)InglésengAgencia Estatal de Investigación http://dx.doi.org/10.13039/501100011033 Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020 PID2019-107790RB-C22 DESARROLLO DEL SOFTWARE PARA UN SISTEMA PET DE CRISTAL CONTINUO APLICADO AL CANCER DE MAMAopen accesshttp://purl.org/coar/access_right/c_abf2Reserva de todos los derechoshttp://rightsstatements.org/vocab/InC/1.0/info:eu-repo/semantics/openAccessoai:riunet.upv.es:10251/2084352026-06-13T07:49:27Z
score 15.812429

Similares en LA Referencia