Un sistema eficaz de clasificación de cáncer de mama utilizando técnicas de extracción de múltiples características...

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Diagnóstico Asistido por Computadora

Sus antecedentes:

• El cáncer de mama es una de las principales causas de muerte en mujeres, lo que requiere una detección temprana.
• El diagnóstico manual consume mucho tiempo, lo que subraya la necesidad de sistemas automatizados.
• La identificación temprana del cáncer de mama reduce significativamente las tasas de mortalidad.

Objetivo del estudio:

• Desarrollar un marco novedoso para la clasificación automatizada de cáncer de mama utilizando la fusión de características.
• Mejorar la precisión y la eficiencia de la detección del cáncer de mama.
• Combinar diversas características para una clasificación robusta.

Principales métodos:

• Se utilizaron los conjuntos de datos CBIS-DDSM y MIAS, empleando aumento de imágenes y filtrado homomórfico para el preprocesamiento.
• Se extrajeron características artesanales (HOG, LBP), estadísticas (MPCA), texturales y profundas (ViT).
• Se implementó un modelo de fusión de características basado en atención multiescala con clasificación softmax.

Principales resultados:

• Logró una precisión del 99,45 % en el conjunto de datos CBIS-DDSM.
• Alcanzó una precisión del 99,73 % en el conjunto de datos MIAS.
• Demostró un rendimiento superior en comparación con las técnicas existentes de detección de cáncer de mama.

Conclusiones:

• El marco propuesto de fusión de características mejora significativamente la precisión de la clasificación automatizada del cáncer de mama.
• Este sistema automatizado ofrece una herramienta prometedora para la detección temprana y confiable del cáncer de mama.
• La integración de diversas características mejora la robustez del modelo de diagnóstico.