Sistema inteligente para la detección y diagnóstico de patología mamaria

El método más eficaz para reducir la mortalidad por carcinoma de mama actualmente, es la detección precoz de lesiones y su diagnóstico. Respecto a la detección, la dificultad está en relación con el pequeño tamaño de las lesiones, su bajo contraste, la superposición con tejidos normales, los artefac...

Descripción completa

Detalles Bibliográficos
Autor: Vilarrasa Andrés, Amparo
Tipo de recurso: tesis doctoral
Fecha de publicación:2007
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/56253
Acceso en línea:https://hdl.handle.net/20.500.14352/56253
Access Level:acceso abierto
Palabra clave:Mamas
Ginecología y obstetricia
Oncología
Diagnóstico por imagen y medicina nuclear
3201.08 Ginecología
3201.01 Oncología
3204.01 Medicina Nuclear
id ES_cc5a192558babb2ebc2e2a2598d76c71
oai_identifier_str oai:docta.ucm.es:20.500.14352/56253
network_acronym_str ES
network_name_str España
repository_id_str
spelling Sistema inteligente para la detección y diagnóstico de patología mamariaVilarrasa Andrés, AmparoMamasGinecología y obstetriciaOncologíaDiagnóstico por imagen y medicina nuclear3201.08 Ginecología3201.01 Oncología3204.01 Medicina NuclearEl método más eficaz para reducir la mortalidad por carcinoma de mama actualmente, es la detección precoz de lesiones y su diagnóstico. Respecto a la detección, la dificultad está en relación con el pequeño tamaño de las lesiones, su bajo contraste, la superposición con tejidos normales, los artefactos en las mamografías, etc. El diagnóstico de las lesiones encontradas, depende en gran medida de la experiencia del radiólogo a la hora de interpretar las mamografías. Para reducir la tasa de fallos diagnósticos y biopsias innecesarias, puede utilizarse la doble lectura. Aunque este método consigue su objetivo, tiene inconvenientes (aumenta la carga de trabajo y los costes). Por ello, se propone el diseño de un sistema inteligente para la detección, pronóstico y diagnóstico de anomalías mamarias. Este sistema ha sido diseñado para la detección en forma paralela de masas y microcalcificaciones sospechosas, realizando posteriormente el diagnóstico de las lesiones encontradas. Para la detección de lesiones se emplean algoritmos basados en visión artificial y morfología matemática. Para el pronóstico (benigno o maligno) y el diagnóstico (patológico) se utilizan redes de neuronas artificiales. En el pronóstico, se utilizan redes de neuronas alimentadas hacia delante con un algoritmo de entrenamiento supervisado. En el diagnóstico se usan redes de Kohonen. El sistema diseñado se compone de tres módulos; un primer módulo, denominado subsistema de detección de masas, encargado de la segmentación y obtención de las características de las masas que pudieran presentarse en una mamografía digitalizada. El segundo módulo, denominado subsistema de detección de microcalcificaciones, encargado de la segmentación y obtención de las características discriminantes de las microcalcificaciones existentes en una mamografía digitalizada, y el tercer y último módulo encargado del diagnóstico de las lesiones encontradas por los subsistemas anteriores. Este sistema se denomina SADIMA (Sistema Autoadaptativo de Diagnóstico Mamográfico).Universidad Complutense de Madrid, Servicio de PublicacionesVega González, María LuisaManrique Gamo, DanielUniversidad Complutense de Madrid20072007-01-0120072007-01-01doctoral thesishttp://purl.org/coar/resource_type/c_db06info:eu-repo/semantics/doctoralThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/56253reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/562532026-06-02T12:44:21Z
dc.title.none.fl_str_mv Sistema inteligente para la detección y diagnóstico de patología mamaria
title Sistema inteligente para la detección y diagnóstico de patología mamaria
spellingShingle Sistema inteligente para la detección y diagnóstico de patología mamaria
Vilarrasa Andrés, Amparo
Mamas
Ginecología y obstetricia
Oncología
Diagnóstico por imagen y medicina nuclear
3201.08 Ginecología
3201.01 Oncología
3204.01 Medicina Nuclear
title_short Sistema inteligente para la detección y diagnóstico de patología mamaria
title_full Sistema inteligente para la detección y diagnóstico de patología mamaria
title_fullStr Sistema inteligente para la detección y diagnóstico de patología mamaria
title_full_unstemmed Sistema inteligente para la detección y diagnóstico de patología mamaria
title_sort Sistema inteligente para la detección y diagnóstico de patología mamaria
dc.creator.none.fl_str_mv Vilarrasa Andrés, Amparo
author Vilarrasa Andrés, Amparo
author_facet Vilarrasa Andrés, Amparo
author_role author
dc.contributor.none.fl_str_mv Vega González, María Luisa
Manrique Gamo, Daniel
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv Mamas
Ginecología y obstetricia
Oncología
Diagnóstico por imagen y medicina nuclear
3201.08 Ginecología
3201.01 Oncología
3204.01 Medicina Nuclear
topic Mamas
Ginecología y obstetricia
Oncología
Diagnóstico por imagen y medicina nuclear
3201.08 Ginecología
3201.01 Oncología
3204.01 Medicina Nuclear
description El método más eficaz para reducir la mortalidad por carcinoma de mama actualmente, es la detección precoz de lesiones y su diagnóstico. Respecto a la detección, la dificultad está en relación con el pequeño tamaño de las lesiones, su bajo contraste, la superposición con tejidos normales, los artefactos en las mamografías, etc. El diagnóstico de las lesiones encontradas, depende en gran medida de la experiencia del radiólogo a la hora de interpretar las mamografías. Para reducir la tasa de fallos diagnósticos y biopsias innecesarias, puede utilizarse la doble lectura. Aunque este método consigue su objetivo, tiene inconvenientes (aumenta la carga de trabajo y los costes). Por ello, se propone el diseño de un sistema inteligente para la detección, pronóstico y diagnóstico de anomalías mamarias. Este sistema ha sido diseñado para la detección en forma paralela de masas y microcalcificaciones sospechosas, realizando posteriormente el diagnóstico de las lesiones encontradas. Para la detección de lesiones se emplean algoritmos basados en visión artificial y morfología matemática. Para el pronóstico (benigno o maligno) y el diagnóstico (patológico) se utilizan redes de neuronas artificiales. En el pronóstico, se utilizan redes de neuronas alimentadas hacia delante con un algoritmo de entrenamiento supervisado. En el diagnóstico se usan redes de Kohonen. El sistema diseñado se compone de tres módulos; un primer módulo, denominado subsistema de detección de masas, encargado de la segmentación y obtención de las características de las masas que pudieran presentarse en una mamografía digitalizada. El segundo módulo, denominado subsistema de detección de microcalcificaciones, encargado de la segmentación y obtención de las características discriminantes de las microcalcificaciones existentes en una mamografía digitalizada, y el tercer y último módulo encargado del diagnóstico de las lesiones encontradas por los subsistemas anteriores. Este sistema se denomina SADIMA (Sistema Autoadaptativo de Diagnóstico Mamográfico).
publishDate 2007
dc.date.none.fl_str_mv 2007
2007-01-01
2007
2007-01-01
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/56253
url https://hdl.handle.net/20.500.14352/56253
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
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
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Complutense de Madrid, Servicio de Publicaciones
publisher.none.fl_str_mv Universidad Complutense de Madrid, Servicio de Publicaciones
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869419712187727872
score 15,300724

Similares en LA Referencia