Reconocimiento de microcalcificaciones en mamografías haciendo uso de una máquina de aprendizaje

• Autor: Flores Vasquez, Wildor Alexander
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/12929
• Enlace del recurso: https://hdl.handle.net/20.500.12802/12929
• Nivel de acceso: acceso abierto
• Materia: Cáncer de mama; Microcalcificaciones; Visión artificial; Red neuronal artificial; Diagnóstico asistido; https://purl.org/pe-repo/ocde/ford#2.02.04

El cáncer de mama es una de las neoplasias más prevalentes en Perú, ocupando el tercer lugar en incidencia después del cáncer gástrico, con un promedio anual de 11,340 casos reportados por el Ministerio de Salud (MINSA). El Instituto Nacional de Enfermedades Neoplásicas (INEN), especializado en oncología, actualmente depende del conocimiento y la experiencia de oncólogos, como se detalla en su Manual de Procesos Procedimentales para la Asistencia Médica. Los tipos de cáncer de mama se clasifican en varios patrones, uno de los cuales incluye las microcalcificaciones, un indicador primario de la enfermedad. Este estudio de investigación tiene como objetivo demostrar que es posible apoyar el diagnóstico del cáncer de mama identificando microcalcificaciones en imágenes mamográficas utilizando técnicas de visión artificial. Para este fin, se seleccionaron 36 imágenes de una población de 322, a las cuales se aplicaron algoritmos de preprocesamiento. Posteriormente, se extrajeron automáticamente las características necesarias para clasificarlas utilizando una red neuronal artificial. El análisis consideró los resultados de preprocesamiento, procesamiento y clasificación, empleando indicadores como el porcentaje de sensibilidad, porcentaje de especificidad, valor predictivo positivo y valor predictivo negativo. Estos resultados se compararon con investigaciones similares, logrando una precisión del 80.55%, destacando la importancia de este método y su potencial para investigaciones futuras o aplicación continua.