Ingeniería de Software

Permanent URI for this collectionhttps://repositorio.pascualbravo.edu.co/handle/pascualbravo/2689

Browse

Browsing Ingeniería de Software by Subject "Breast cancer"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Desarrollo de un modelo computacional para la generación de imágenes artificiales post-contraste de MRI orientado a la síntesis de regiones con posibles lesiones tumorales en tejidos de mama
    (Institución Universitaria Pascual Bravo, 2024) Montoya Duque, Juliana; Fonnegra Tarazona, Rubén Darío
    El cáncer de mama, una de las principales causas de mortalidad en mujeres a nivel mundial, presenta retos significativos en cuanto a su detección temprana y tratamiento. Este proyecto aborda dichos desafíos mediante el desarrollo de un modelo computacional avanzado para la generación de imágenes artificiales post-contraste de resonancia magnética (MRI), orientado específicamente a la síntesis de regiones con posibles lesiones tumorales en tejidos mamarios. La propuesta no solo busca mejorar la calidad del diagnóstico, sino también reducir la dependencia de agentes de contraste y mitigar riesgos asociados a su uso prolongado. La metodología del trabajo se basa en dos enfoques principales: modelos U-Net y redes generativas adversarias (GANs). Para todos los modelos, se introdujo un encoder adicional para combinar la segmentación de lesiones con información global de las imágenes. Además se implementaron 3 estrategias avanzadas de conexión entre espacios latentes para estabilizar el entrenamiento y mejorar la calidad de las imágenes generadas. Las estrategias exploradas incluyen conexiones a través de mapas de características profundas (configuración F), combinaciones lineales de espacios latentes (configuración M) y combinaciones no lineales a través de capas convolucionales (configuración B). Todas estas, orientadas a preservar la estructura y el detalle anatómico de las imágenes y las características de las lesiones tumorales. Los resultados demuestran que las variaciones propuestas (F, M y B) en ambos tipos de modelo superan a las configuraciones U-Net y GAN baseline. Las evaluaciones cuantitativas con métricas como MAE, SSIM y PSNR reflejan una mayor capacidad de las variaciones para preservar características críticas en las imágenes generadas, tanto a nivel global como en regiones de interés (ROI) con tumores. La variación B destacó consistentemente, logrando la mejor optimización y estabilidad durante el entrenamiento, especialmente en las GANs. Estos resultados demuestran que los modelos propuestos permiten generar imágenes sintéticas realistas y de mayor fidelidad en función de tumores en tejidos mamarios. La integración de este trabajo en sistemas de apoyo al diagnóstico radiológico, podría fortalecer los sistemas en optimización de recursos y reducción de riesgo en los pacientes.