Diagnóstico de cáncer de mama en mamografías por medio de diferenciación de lesiones utilizando radiómica y aprendizaje profundo

Vista sencilla de ítem
dc.contributor.advisorMercado Diaz, Luis Roberto
dc.contributor.authorGarro Espinosa, Argiro Andrey
dc.date.accessioned2025-12-04T15:53:06Z
dc.date.available2025-12-04T15:53:06Z
dc.date.issued2025
dc.description.abstractEste trabajo propone el desarrollo y validación de un modelo computacional híbrido para la clasificación de lesiones mamarias, integrando análisis radiómico y aprendizaje profundo. Utilizando mamografías de repositorios abiertos como CBIS-DDSM, se busca optimizar la discriminación entre lesiones benignas y malignas. La metodología se estructura en tres fases secuenciales: primero, la implementación de un clasificador basado en características radiómicas (textura, forma y primer orden) extraídas mediante PyRadiomics, con posterior selección por relevancia y reproducibilidad; segundo, el desarrollo de un modelo de aprendizaje profundo utilizando arquitecturas CNN preentrenadas como ResNet-50, aplicando transfer learning, y técnicas de data augmentation específicas para mamografías; finalmente, la integración de ambos enfoques mediante un sistema de ensamble con técnicas de stacking y un meta-clasificador optimizado por validación cruzada. La evaluación del rendimiento se realizará mediante métricas robustas como sensibilidad, especificidad y área bajo la curva ROC (AUC-ROC), con validación estadística rigurosa. La implementación en Python garantizará la reproducibilidad y la posible transferencia a la práctica clínica, contribuyendo significativamente al campo del diagnóstico asistido por computadora en radiología mamaria.spa
dc.description.degreelevelPregradospa
dc.description.degreenameFÍSICO(A)spa
dc.format.extent1 recurso en línea (vi, 91 páginas)
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://hdl.handle.net/10893/38956
dc.language.isospa
dc.publisherUniversidad del Vallespa
dc.publisher.branchSede Cali
dc.publisher.facultyFACULTAD DE CIENCIAS NATURALES Y EXACTASspa
dc.publisher.placeColombiaspa
dc.publisher.programFÍSICAspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.lembRadiómica
dc.subject.lembMamografía
dc.subject.lembDiagnóstico por imágenes
dc.subject.lembDiagnóstico de enfermedades
dc.subject.lembCáncer de mama
dc.titleDiagnóstico de cáncer de mama en mamografías por medio de diferenciación de lesiones utilizando radiómica y aprendizaje profundospa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
person.identifier.orcid0000-0003-3543-3677
relation.isDirectorOfPublicatione6c41c6b-2bd9-4743-88d9-bc508bdacc37
relation.isDirectorOfPublication.latestForDiscoverye6c41c6b-2bd9-4743-88d9-bc508bdacc37
Archivos
Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
3146 G243.pdf
Tamaño:
11.97 MB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
Autorización-1193275159.pdf
Tamaño:
186.8 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
15.18 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Física