Contribución a la diagnosis asistida sobre mamografía digitalizada mediante la aplicación sinérgica de la transformada wavelet y clasificadores neuronales

Resumen

Se presenta un conjunto de técnicas avanzadas para la detección de microcalcificaciones sobre mamografía digitalizada, aplicando técnicas de procesado de señal como la Transformada Wavelet para extraer la información relevante desde imágenes con diagnóstico previo. Con la información extrída, se construye un conjunto de patrones que mejor representan a las microcalcificaciones. Se aplica un conjunto de técnicas de reconocimiento de patrones para segmentar la imagen y diferenciar diferentes clases de tejidos además de las microcalcificaciones. Se aplican Clasificadores Neuronales en la selección de características relevantes y también en la etapa de detección. En esta Tesis, se aplican las Redes de Regresión General. Se prueba la robustes del método a diferentes niveles de resolución y se comparan los resultados obtenidos mediante curvas de detección.