02.02.2014 Views

Detección Automática de Agrupamientos de ... - Wiphala.net

Detección Automática de Agrupamientos de ... - Wiphala.net

Detección Automática de Agrupamientos de ... - Wiphala.net

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Índice <strong>de</strong> figuras<br />

1.1. Relación entre verda<strong>de</strong>ros positivos (V+), verda<strong>de</strong>ros negativos (V-),<br />

falsos positivos (F+) y falsos negativos (F-). . . . . . . . . . . . . . . . 4<br />

1.2. Procedimientos usados en la solución <strong>de</strong>l problema. . . . . . . . . . . . 5<br />

1.3. Número <strong>de</strong> agrupamientos <strong>de</strong> microcalcificaciones en una imagen. . . . 9<br />

2.1. Anatomía <strong>de</strong> las mamas y ejemplo <strong>de</strong> mamografía. . . . . . . . . . . . . 20<br />

2.2. Tipo <strong>de</strong> tejido predominante. a). Graso, b). Graso glandular, c) Denso. 21<br />

2.3. Proyecciones básicas. a). Cráneo-caudal, b). Oblicua medio-lateral. . . . 22<br />

2.4. Hallazgos en la mamografía. . . . . . . . . . . . . . . . . . . . . . . . . 23<br />

2.5. Tipo <strong>de</strong> calcificaciones, según la clasificación BI-RADS. . . . . . . . . . 28<br />

3.1. Mo<strong>de</strong>lo <strong>de</strong> solución <strong>de</strong> la investigación. . . . . . . . . . . . . . . . . . . 35<br />

4.1. Diagrama <strong>de</strong> flujo. Etapa <strong>de</strong> preprocesamiento. . . . . . . . . . . . . . 39<br />

4.2. Aplicación <strong>de</strong>l filtro mediana. a) imagen original, b) imagen con ruido,<br />

c) filtro mediana <strong>de</strong> 3x3 y d) filtro promediador <strong>de</strong> 3x3. . . . . . . . . . 40<br />

4.3. Creación <strong>de</strong> la imagen binaria. a) imagen original, b) imagen binaria. . 41<br />

4.4. Histograma <strong>de</strong>l porcentaje <strong>de</strong> la imagen que ocupa la mama. . . . . . . 42<br />

4.5. Resultados <strong>de</strong>l corte automático. a). imagen binaria (espejo), b). imagen<br />

binaria sin regiones aisladas, c). <strong>de</strong>terminación <strong>de</strong> los extremos para<br />

ejecutar los cortes y d). imagen binaria luego <strong>de</strong>l corte horizontal y vertical. 43<br />

4.6. Resultados <strong>de</strong>l corte automático. Imagen original e imagen resultante. . 44<br />

5.1. Diagrama <strong>de</strong> flujo. Etapa <strong>de</strong> <strong>de</strong>tección <strong>de</strong> microcalcificaciones. . . . . . 45<br />

5.2. Nombres que adquieren las regiones i<strong>de</strong>ntificadas en la mamografía. . . 46<br />

5.3. Ejemplo <strong>de</strong> una función <strong>de</strong> distribución gaussiana en 2-D. . . . . . . . . 47<br />

5.4. Ejemplos <strong>de</strong> máscaras gaussianas usadas con el filtro DoG. a). Máscara<br />

5x5 con σ 1 ≈ 0,7618, b). Máscara 7x7 con σ 2 ≈ 0,8226 y c). Máscara<br />

7x7 <strong>de</strong>l filtro DoG. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48<br />

5.5. Gráfica <strong>de</strong> las máscaras Gaussianas usadas con el filtro DoG. . . . . . . 48<br />

xxi

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!