Clasificación de tumores mamarios con Vision Transformers a partir de imágenes de microscopia

El objetivo principal de este trabajo fue implementar un modelo de Vision Transformers para la clasificación de imágenes de tejido de cáncer de mama, comparándolo con modelos tradicionales como las redes neuronales convolucionales (CNNs), y desplegar el modelo con una interfaz fácil de utilizar. La importancia de herramientas innovadoras en el diagnóstico médico del cáncer de mama radica en la reducción de falsos positivos y negativos, así como en la mejora de la precisión diagnóstica. Se implementaron cuatro modelos: dos modelos base o personalizados, entrenados desde cero, y dos modelos preentrenados (DeiT-Tiny y EfficientNet-B0) para comparar su desempeño utilizando métricas definidas. Para el desarrollo de este trabajo, se utilizó la base de datos "BreastHIS", que contiene imágenes de microscopía de tejido mamario de 82 pacientes, con tumores malignos y benignos. La base de datos fue preprocesada con librerías de Python. Los modelos se implementaron usando PyTorch, y el despliegue del modelo se realizó con Gradio y Hugging Face. Los resultados demuestran que los modelos preentrenados superan a los modelos base entrenados desde cero. En particular, el modelo DeiT-Tiny fue el que obtuvo mejores resultados en las métricas, alcanzando una precisión del 99%, una sensibilidad del 99%, y una especificidad del 98%, contribuyendo a una significativa disminución de diagnósticos erróneos.

• Autores: Figueroa Sánchez, Fabian Felipe
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/15937
• Acceso en línea: https://hdl.handle.net/10614/15937; https://red.uao.edu.co/
• Palabra clave: Ingeniería Biomédica; Clasificación de imágenes de tumores mamarios con Vision Transformers; Clasificación de imágenes con Vision Transformers; Modelos deep learning para clasificación imágenes médicas; Cáncer de mama; Imágenes tejido mamario; Redes neuronales convolucionales; Classification of breast tumor images with Vision Transformers; Image classification with Vision Transformers; Deep learning models for medical image classification; Breast cancer; Breast tissue images; Convolutional neural networks
• Rights: openAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2024