Detección de Cáncer de Mama utilizando Aprendizaje Automático

El cáncer es la segunda causa de muerte en el mundo. La principal razón de esta tasa de mortalidad aumentada es la detección tardía del crecimiento de tejido canceroso en una persona. Casi el 60% de los pacientes con cáncer de mama son diagnosticados en etapas avanzadas. El objetivo principal de nuestro trabajo es mejorar un algoritmo de procesamiento de imágenes para la detección temprana del cáncer de mama. Se utilizan imágenes de mamografías de rayos X que han sido adquiridas como imágenes de entrada. El preprocesamiento de las imágenes de entrada se realiza aplicando un filtro gaussiano y técnicas de detección de bordes para mejorar la calidad de la imagen. La Transformada de Wavelet es útil para identificar características de primer orden y se extraen características de segundo orden basadas en GLCM de las imágenes preprocesadas. Luego, se utilizan los parámetros estadísticos para la clasificación utilizando DNN, un clasificador supervisado multinivel. Las imágenes del conjunto de datos se crean durante la fase de entrenamiento. En la fase de prueba, la imagen adquirida de un paciente se da como entrada al clasificador tras completar los pasos de procesamiento de imagen, como el preprocesamiento y la extracción de características. La salida del clasificador consta de dos clases, normal y anormal, respectivamente. Todo el algoritmo está desarrollado en el lenguaje Python. El tiempo de procesamiento para la prueba y la confirmación de casos positivos es muy mínimo. Usando un clasificador de red neuronal de aprendizaje profundo se alcanza una tasa de precisión del 92%.