Análisis de imágenes de cáncer cérvico uterino para apoyo en detección de enfermedad por medio de visión evolutiva
2023Descargar propuesta de investigación completa (PDF)
Profesores: Dr. Juan Villegas Cortez y Dra. Graciela Román Alonso
Resumen: Desarrollar una metodología para el estudio y caracterización de las imágenes de detección de cáncer cérvico uterino, provenientes de las pruebas de papanicolau, a partir del análisis de textura y el desarrollo de rasgos característicos de la propia imagen, por medio de un algoritmo evolutivo, orientado a caracterizar las imágenes que indican la presencia de la enfermedad de las que no son representativas, acorde a imágenes supervisadas por profesionales de la salud. La caracterización obtenida automáticamente sería una propuesta de apoyo alternativo para la detección automática de la enfermedad.
Objetivo general:
Implementar la evolución de descriptores de textura de la imagen para el tipo de imágenes digitales obtenidas de la prueba Papanicolau, y poder caracterizar las imágenes a partir de la supervisión de imágenes confirmadas de cáncer y las que no.
Objetivos específicos:
- Delimitar el modelo de un algoritmo evolutivo para el tipo de imágenes por interés, justificando el algoritmo
- Análisis del modelo, diseño e implementación paralela del sistema
- Realizar pruebas sobre al menos una base de datos pública reconocida, para poder discriminar las imágenes positivas de las negativas de la enfermedad, con base a la metodología del proceso evolutivo, proporcionando el patrón característico obtenido
- Validar la robustez del modelo con la técnica evolutiva propuesta, con otros resultados reportados en el estado del arte
Ultima actualización 25/11/2022 por pcyti