Fundamentación teórico - práctica de algunos métodos de aprendizaje supervisado aplicados a imágenes diagnósticas de cáncer de mama
Cargando...
Autores
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
En este trabajo se busca fundamentar teóricamente los métodos de aprendizaje supervisado y detección de objetos utilizados en el procesamiento de imágenes, específicamente en el con texto del diagnóstico de cáncer de mama. Hasta ahora, estos métodos han sido ampliamente utilizados en aplicaciones prácticas, pero en muchos casos carecen de una formalización matemática y estadística sólida. Por lo tanto, el propósito de este trabajo es presentar una fundamentación teórica que respalde el uso de estos métodos, los cuales van a estructurar el camino para el desarrollo de una aplicación fundamentada en redes neuronales convolucionales, que se entrenará utilizando una base de datos de imágenes diagnósticas reales y anónimas de cáncer de mama.
El enfoque de aprendizaje supervisado empleado en la aplicación, permitirá reducir el tiempo de diagnóstico con alta confiabilidad, lo que a su vez mejorará el pronóstico del paciente. Al fundamentar matemática y estadísticamente estos métodos, se espera obtener conclusiones más robustas y confiables en el proceso de detección de cáncer de mama (Texto tomado de la fuente).
Abstract
In this work, the aim is to provide a theoretical foundation for supervised learning methods and object detection techniques used in image processing, specifically within the context of breast cancer diagnosis. To date, these methods have been widely applied in practice; however, in many cases, they lack a solid mathematical and statistical formalization. Therefore, the purpose of this study is to present a theoretical framework that supports the use of these methods, which will serve as the foundation for developing an application based on convolutional neural networks. This application will be trained using a real and anonymized
database of diagnostic breast cancer images.
The supervised learning approach implemented in the application will help reduce diagnostic time with high reliability, thereby improving patient prognosis. By providing a rigorous mathematical and statistical foundation for these methods, the study aims to achieve more robust and reliable conclusions in the breast cancer detection process.
Descripción
graficas, ilustraciones, tablas