Semántica en mamografías con deep Learning: Eficiencia de CNN modificadas con DeepLabV3+
Date
2025-10-17
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
"El cáncer de mama es una de las principales causas de muerte en México y siendo la principal causa de muerte por cáncer en mujeres mayores de 25 años. Se trata de una enfermedad que afecta mayormente a mujeres, aunque también puede presentarse en hombres. La detección temprana es fundamental para mejorar la tasa de supervivencia, pero existen retos significativos en la conciencia y el acceso a servicios de salud eficientes. A partir de esta revisión, se identifica una brecha específica: si bien existe evidencia de que la calidad de imagen afecta el desempeño de modelos en mamografías, pocos trabajos han explorado si arquitecturas ampliamente utilizadas como ResNet50 son capaces de aprender características directamente desde imágenes de baja resolución. En este contexto, el presente estudio se propone evaluar el rendimiento de estas arquitecturas al ser entrenadas con mamografías la máxima resolución de la base de datos y otras reducidas a una resolución menor. Esto permite observar hasta qué punto los modelos mantienen su capacidad de aprendizaje y clasificación bajo condiciones subóptimas, aportando evidencia empírica relevante para aplicaciones reales, especialmente en contextos de recursos limitados donde las imágenes de alta calidad pueden no estar disponibles. Los resultados se analizan con la métrica IoU, métrica que usa datos que pueden significar un subajuste durante el entrenamiento".
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading