Identificación de anomalías encefálicas a partir del procesamiento de imágenes
DOI:
https://doi.org/10.26507/paper.3042Palabras clave:
Aprendizaje, Algoritmo, Identificación, ProcesamientoResumen
La detección de anomalías encefálicas es uno de los aspectos más importantes en el diagnóstico médico. En este sentido, el procesamiento de imágenes se ha convertido en una herramienta fundamental para la agilizar el proceso con alta confiabilidad y precisión. En este trabajo, se implementaron algoritmos de aprendizaje para la detección de anomalías encefálicas en imágenes, con propósito de diagnóstico médico. Se implementaron dos algoritmos de procesamiento de imágenes a imágenes de resonancia magnética cerebral. El primero, k-means, y el otro el de máquina de soporte vectorial. El primero es un algoritmo de agrupamiento de datos no supervisado, y el segundo se basa en el aprendizaje supervisado para la clasificación. Se aplicaron ambos algoritmos y se compararon los resultados, obteniéndose una tasa de predicción de 43.75% con algoritmo k-means y de 80% con algoritmo de máquina de soporte vectorial, luego del entrenamiento con 50 imágenes de pacientes sanos y 50 imágenes de pacientes con anomalía cerebral.
Descargas
Citas
Cervantes, J., Garcia-Lamont, F., Rodríguez-Mazahua, L., & Lopez, A. (2020). A comprehensive survey on support vector machine classification: Applications, challenges and trends. Neurocomputing, 189-215. https://doi.org/10.1016/j.neucom.2019.10.118
Fränti, P., & Sieranoja, S. (2019). How much can k-means be improved by using better initialization and repeats? About the journal, 95-122. https://doi.org/10.1016/j.patcog.2019.04.014
Mohiuddin, A., Raihan, S., & Syed Mohammed, S. I. (2020). The k-means Algorithm: A Comprehensive Survey and Performance Evaluation. Electronics, 1295. https://doi.org/10.3390/electronics9081295
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An Introduction to Statistical Learning: With Applications in R (2nd 2021 ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1
Sinaga, P. K., & Yang, M.-S. (2020). Unsupervised K-Means Clustering Algorithm. IEEE, 80716-80727. https://doi.org/10.1109/ACCESS.2020.2988796
MacKay, D. (2003). Information theory, inference, and learning algorithms. https://www.inference.org.uk/itprnn/book.pdf
Descargas
Publicado
Cómo citar
Evento
Sección
Licencia
Derechos de autor 2023 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Estadísticas de artículo | |
---|---|
Vistas de resúmenes | |
Vistas de PDF | |
Descargas de PDF | |
Vistas de HTML | |
Otras vistas |