Documentos de Académico
Documentos de Profesional
Documentos de Cultura
aprendizaje profundo.
Clasificacion de anomalias.
En la investigación se utilizó el aprendizaje profundo y algoritmos ensamblados
para la detección de anormalidades cancerígenas en mastografías digitales. Para
ello, se entrenaron modelos clasificadores utilizando imágenes de mastografías
digitales que fueron previamente clasificadas en tres categorías: normales, con
microcalcificaciones benignas y con microcalcificaciones malignas.
Los criterios para clasificar una anomalía como benigna o maligna se basan en la
presencia de microcalcificaciones en la mastografía digital. Las
microcalcificaciones benignas suelen ser pequeñas y uniformes, mientras que las
microcalcificaciones malignas suelen ser más grandes, irregulares y con una
distribución más concentrada.
Para la detección de estas microcalcificaciones, se aplican técnicas de
procesamiento de imágenes y aprendizaje profundo para identificar patrones y
características específicas en las imágenes de mastografías digitales. Los
algoritmos ensamblados utilizados en la investigación permiten mejorar la precisión
de la detección y clasificación de las anormalidades cancerígenas en las
mastografías digitales.