Acceso usuarios
El cáncer de mama es una de las principales causas de muerte en mujeres a nivel mundial, reportando tan solo en México 47,832 fallecimientos entre 2000 y 2010. Por esto, La detección temprana a través de mastografías desempeña un papel fundamental en su diagnóstico y tratamiento. En este trabajo se presenta una red neuronal de aprendizaje profundo compuesto por 28 capas para clasificar imágenes mastográficas de 500 x 500 píxeles. El modelo incluye capas de convolución, normalización por lotes, activación ReLU y maxpooling, seguidas de capas totalmente conectadas y una capa softmax para la clasificación multiclase. El modelo propuesto logró una precisión del 99.3% en el entrenamiento y del 99.4% en la validación, mostrando un desempeño superior a trabajos similares.
Breast cancer is one of the main causes of death in women worldwide, reporting 47,832 deaths in Mexico alone between 2000 and 2010. For this reason, early detection through mammograms plays a fundamental role in its diagnosis and treatment. In this work, a deep learning neural network composed of 28 layers is presented to classify mammographic images of 500 x 500 pixels. The model includes convolution, batch normalization, ReLU activation and maxpooling layers, followed by fully connected layers and a softmax layer for multi-class classification. The proposed model achieved an accuracy of 99.3% in training and 99.4% in validation, showing superior performance to similar works
