Zepeda Fernández, Cristian HeberSuárez García, José GerardoZEPEDA FERNANDEZ, CRISTIAN HEBER; 424360SUAREZ GARCIA, JOSE GERARDO; 659877Rodríguez Sánchez, Lizbeth Giovana2024-03-072024-03-072023-11-09https://hdl.handle.net/20.500.12371/20190“El cáncer de mama es una enfermedad ligada al desarrollo de tumores en los senos y una de las principales causas de muerte alrededor del mundo. La detección temprana juega un papel importante al momento de enfrentar este desafío de salud. Por ello, en años recientes se han creado modelos y recursos altamente eficientes para el diagnóstico del cáncer de mama. Uno de ellos es el procesamiento de imágenes médicas tales como mamografías, mediante enfoques como el aprendizaje profundo y la segmentación de imagenes. En este trabajo se utilizaron herramientas de programación tales como ROOT y el lenguaje para procesar y parametrizar imágenes mamográficas, de acuerdo con su intensidad de brillo. Se seleccionaron muestras de tejido tumoral y sano en cada imagen y se realizaron cálculos de las métricas Euclidiana y de Manhattan. Posteriormente, con los datos obtenidos se realizó un análisis con la finalidad de diferenciar los tejidos. Los resultados sugieren la posibilidad de diferenciar los tumores malignos del resto de la imagen, debido a que los valores obtenidos para este tipo de tejido son mayores, comparados con los del tejido sano. Esto podría permitir en el futuro ser utilizado como auxiliar para el diagnóstico de cáncer de mama”.pdfspaCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAMujeres--EnfermedadesMamas--CáncerTumores--DiagnósticoDiagnóstico por imágenesMedios de contraste (Radiología)Análisis de imágenes--Procesamiento de datosSegmentación de imagenAprendizaje automáticoProcesamiento de imágenes--Modelos matemáticosTesis de licenciaturaopenAccess