Serrano Gotarredona, María del CarmenAcha Piñero, Begoña2024-12-172024-12-172024Román Moguer, J.M. (2024). Radiómica para el análisis automático de mamografías. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/165909El cáncer de mama es una de las principales causas de mortalidad entre las mujeres de la sociedad española, su detección temprana es crucial para mejorar las tasas de supervivencia. El uso de la inteligencia artificial en el campo de la investigación biomédica puede aportar bastante al campo de la detección de esta enfermedad. En este proyecto se desarrollará un algoritmo, basado en aprendizaje máquina, en el cual pretendemos discriminar entre masas mamarias benignas y malignas. Para ello, se extraerán características estadísticas, de forma y de textura utilizando la librería PyRadiomics, en lenguaje Python, y Measure de Skimage. A continuación, con la ayuda de métodos estadísticos, como el uso del P-Value o la eliminación a partir de la correlación, se reducirá el número de las características extraídas, quedándonos únicamente con aquellas características más significativas. Finalmente, se entrenará un modelo SVM (máquina de soporte vectorial) para la clasificación, a partir de las características extraídas y seleccionadas significativamente tomando en consideración estas imágenes, que permita realizar la clasificación en masas benignas o malignas. Con este proyecto se pretende ayudar a los profesionales sanitarios, especialistas en el campo de la detección oncológica, mejorando la detección y el tratamiento de la enfermedad.Breast cancer is one of the main causes of mortality among women in Spanish society, and its early detection is crucial to improve survival rates. The use of artificial intelligence in the field of biomedical research can make a significant contribution to the detection of this disease. In this project we will develop an algorithm, based on machine learning, in which we aim to discriminate between benign and malignant breast masses. To do this, statistical, shape and texture features will be extracted using the PyRadiomics library, in Python language, and Measure from Skimage. Then, with the help of statistical methods, such as the use of P-Value or elimination from correlation, the volume of extracted features will be reduced, keeping only the most significant features. Finally, an SVM (support vector machine) model will be trained for classification, based on the features extracted and significantly selected from these images, which will allow classification into benign or malignant masses. The aim of this project is to help health professionals, specialists in the field of oncological detection, to improve the detection and treatment of the disease.application/pdf51 p.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess