Generación sintética de imágenes termográficas de mama mediante modelos generativos para la detección temprana del cáncer

Abstract

Este Trabajo de Fin de Grado se enmarca en el proyecto de investigación "Desarrollo y uso clínico de un sistema de diagnóstico precoz y detección precisa de anomalías mamarias con algoritmos de aprendizaje profundo y termografía", financiado por la Cátedra Fundación ASISA - Universidad Europea. El objetivo principal es desarrollar un sistema de diagnóstico asistido que permita la detección temprana del cáncer de mama en regiones con recursos limitados, tomando como caso de estudio real el contexto sanitario de zonas rurales de Ecuador. Ante la dificultad de acceso a tecnologías como la mamografía y la escasez de bases de datos clínicas bien etiquetadas, se propone un enfoque basado en imágenes termográficas combinadas con técnicas de inteligencia artificial. En primer lugar, se emplean Redes Generativas Antagónicas (GANs) para generar imágenes sintéticas que aumenten y diversifiquen el conjunto de datos disponible. Posteriormente, se entrena una Red Neuronal Convolucional (CNN) para clasificar las imágenes en benignas o malignas. El sistema se evalúa mediante métricas estándar como FID, KID y precisión diagnóstica, demostrando que la combinación de GANs y CNNs permite mejorar significativamente el rendimiento en tareas de clasificación médica. Esta solución plantea una alternativa innovadora, portátil y de bajo coste para la mejora del cribado poblacional en entornos con limitaciones estructurales