Clasificación de mamografías mediante redes neuronales convolucionales

Objetivo y metodos de estudio: Implementar un clasificador de mamografias por medio de herramientas de inteligencia artificial con un nivel de exactitud competente para auxiliar a expertos en el area de medicina en la deteccion de cancer de mama, dando como resultado la probabilidad de que exista o no anomalia. OBJETIVOS ESPECIFICOS Disenar una estructura de red neuronal con herramientas de software libre. Identificar los parametros adecuados para que la estructura de red clasifique correctamente las imagenes con el menor procesamiento computacional posible. Metodos de estudio: Para poder realizar el clasificador se utilizan herramientas de inteligencia artificial (IA), como lo son las redes neuronales convolucionales (Abreviada CNN por sus siglas en ingles, Convolutional Neural Network). A lo largo del trabajo se dara una descripcion a detalle del porque se utiliza este tipo de herramientas a diferencia de las que existen actualmente en el ambito de clasificacion. En la parte de diseno de experimentos se lleva a cabo un diseno factorial, cuyo proposito es el de identificar cuales son los parametros de la arquitectura de la red que proporcionan mejor desempeno en cuanto a la metrica de exactitud de la clasificacion. Finalmente en el apartado de analisis de resultados, se utilizan metricas comunes para el estudio de exactitud de robustez de herramientas en el ambito del aprendizaje de maquina, y tomando en cuenta estos analisis se llegara a la conclusion de si la herramienta creada en este trabajo tiene una aportacion favorable en el tema de clasificacion de imagenes medicas. Contribuciones y conclusiones: La contribucion de este trabajo es una herramienta de clasificacion basada en una red convolucional simple, que permite clasificar mamografias (normales o anomalas) con un nivel de exactitud aceptable, en un tiempo de procesamiento corto. Dicha herramienta puede ser utilizada para brindar soporte a los expertos en el analisis de mamografias y como paso previo a la segmentacion en la metodologia tradicional utilizada por las herramientas de deteccion asistida por computadora. Cabe senalar que la herramienta fue probada en bases de datos existentes en la literatura, asi como en una base de datos nueva, proporcionada por el INCAN (Instituto Nacional de Cancerologia de Mexico) El porcentaje de exactitud alcanzado en este trabajo es de 99 % en el conjunto de validacion y 72 % en el conjunto de prueba, y la estructura de red que alcanzo