Prediagnóstico de cáncer de mama utilizando metaheurísticas y clasificación de imágenes

Abstract

RESUMEN: En el presente trabajo de tesis se desarrollan algoritmos utilizando metaheurísticas para el prediagnóstico del cáncer de mama clasificando las mamografías mediante algoritmos de segmentación. Se implementaron y probaron distintas metaheurísticas para la realización del presente trabajo de tesis. Finalmente se implementó un algoritmo basado en sistemas inmunes artificiales para la clasificación del cáncer de mama. Este algoritmo se basa en generar poblaciones y evaluar sus desempeños para clasificar el conjunto de entrenamiento, de tal forma que alcancen un mejor desempeño después de un ajuste. En este trabajo también se presenta un algoritmo basado en poblaciones y específicamente inspirado en el comportamiento de los murciélagos, con el fin de segmentar regiones de interés en mamografías. Este algoritmo explora los pixeles con el fin de encontrar la mayor dispersión entre los de diferente grupos y la menor dispersión entre los pixeles del mismo grupo. La finalidad de este trabajo es crear un algoritmo que clasifique de forma acertada los patrones en un banco de datos del cáncer de mama, así como un algoritmo que realice segmentaciones de las regiones de interés en mamografías.

ABSTRACT: In the present thesis work, some algorithms are developed using metaheuristics for the prediagnosis of breast cancer by classifying mammograms using segmentation algorithms. Different metaheuristics were implemented and tested for this thesis work. Finally an algorithm based on artificial immune systems was implemented for classification tasks of breast cancer. This algorithm is based on generating populations and evaluating their performances in order to classify the training set in such a way that they achieve a better performance after an adjustment. This work also presents an algorithm based on populations and specifically inspired in the behavior of bats for segmentation tasks in mammography images. This algorithm explores the pixels in order to find the greatest dispersion between the pixels of different group and the least dispersion among the pixels of the same group. The purpose of this work is to create an algorithm that correctly classifies the patterns in a database of breast cancer, as well as an algorithm that performs mammography segmentations.