Resumen

Los grupos de microcalcificaciones pueden ser un signo temprano de cáncer de mama. En este trabajo, proponemos un enfoque novedoso basado en redes neuronales convolucionales para la detección y segmentación de clusters de microcalcificaciones. En este trabajo, utilizamos 283 mamografías para entrenar y validar nuestro modelo, obteniendo una precisión del 99,99% en la detección de microcalcificaciones y una tasa de falsos positivos del 0,005%. Nuestros resultados muestran cómo el aprendizaje profundo podría ser una herramienta efectiva para apoyar eficazmente a los radiólogos durante el examen de mamografías.

• Materias:Análisis de espectro Organización modular Diagnóstico automatizado Monitoreo Servicios de salud
• Subjects:Spectrum analysis Modular organization Automated diagnostics Monitoring Health services
• Palabras claves:redes neuronales convolucionales, tasa de falsos positivos, cáncer de mama, aprendizaje profundo, signo precoz, herramienta eficaz, examen de mamografías, agrupaciones de microcalcificaciones, detección de microcalcificaciones, enfoque novedoso.
• Keywords:convolutional neural networks, false positive rate, breast cancer, deep learning, early sign, effective tool, mammograms examination, microcalcification clusters, microcalcification detection, novel approach