SISTEMA INTELIGENTE PARA LA CLASIFICACIN Y DETECCIN CNCER DE MAMA

INTEGRANTES Flores Espinoza Cesar Michel

Mostacero Cabanillas Andrew Steven

Atuncar Segura Walther Alfredo

PROBLEMA

El

cncer de mama es una de las principales causas de mortalidad en nuestro pas. El uso de la mastografa como mtodo de tamizaje ha disminuido la mortalidad por cncer de mama, siendo el estudio de eleccin, en mujeres de alto riesgo la Resonancia Magntica y el Utrasonido son mtodos complementarios tiles.

ESTADO DEL ARTE

CLASIFICACIN DE TUMORES EN MAMOGRAFASMEDIANTE USO COMBINADO DE RBP Y FILTROS SOBEL Propuesta Solucin: Es la utilizacin de un filtro de imgenes que permite encontrar gradientes y detectar contornos. Adems proponemos analizar la anomala en s y no la mama entera utilizando la informacin de contorno que esta base de datos provee..

Minera de datos aplicada a la deteccin de Cncer de Mama

El
objetivo de este artculo es realizar el anlisis de los datos correspondientes a un conjunto de mujeres para poder obtener ciertos patrones a la hora de poder aplicarlos para detectar posibles casos de cncer de mama mediante minera de datos, de manera similar a otros estudios basados en algoritmos genticos

Minera de datos como soporte en el diagnstico y tratamiento del cncer de mama.

Modelar el proceso de diagnstico y tratamiento del cncer de mama. Aplicar el proceso de minera de datos (KDD) sobre los repositorios de mastografas y de pacientes en tratamiento con la finalidad de descubrir conocimiento. Elaborar reglas a partir del conocimiento descubierto. Validar las reglas elaboradas con los especialistas. Integrar las reglas en los procesos de diagnstico y tratamiento del cncer de mama.

Como detectar un ndulo benigno

Para ser clasificado como benigno un ndulo debe mostrar una de las tres caractersticas de benignidad: (1) hiperecogenicidad homognea; (2) forma elipsoide, ms ancha que alta, con orientacin paralela a la piel; y (3) dos o tres lobulaciones y con una cpsula ecognica delgada.

Algoritmo propuesto

si h(x) 0:5, predecir \y=1" si h(x) < 0:5, predecir \y=0"

Sistema Propuesto

Imagen original

Pre procesamiento

Segmentacin

Reconocimiento

RNA

Extraccin de las caractersticas

Referencias

CASTILLO ACEVEDO, Mara Elena. Deteccin Automtica de Microcalsificaciones en Mamografas Digitales. Mxico 2008.

GARCA Martinez, Ramn. Clasificacin de Tumores en Mamografas Mediante uso Combinado De Rbp Y Filtros Sobel. 2007.
TIRNAUCA, Cristina. Minera de Datos y Clasificacin del Cncer de Mama. 2012.

Using a Bayesian Network to Predict the Probability and Type of Breast Cancer BURNSIDE, Elizabeth. Represented by Microcalcifications on Mammography.

Algoritmo para invertir

info1 = dicominfo(breast1.dcm); seno1 = dicomread(info1); [numf, numc]=size(seno1); %figure, imshow(seno1); [c,f, zc]=size(seno1); T(1) = max(max(seno1(:,:,1))); for x=1:c for y=1:f for z=1:zc seno2(x,y,z)=T(z)-seno1(x,y,z); end; end; end; figure(1), imshow(seno2); figure(2), imshow(seno1); imcontrast(1); imcontrast(2);

Resultado
Real Negativo