CARACTERIZACIÓN DE LESIONES MAMARIAS POR MEDIO DEL PROCESAMIENTO DE IMÁGENES DE MAMOGRAFÍA DIGITAL

Autores/as

  • María Mercedes Marquéz Sosa Escuela Colombiana de Ingeniería Julio Garavito y Universidad del Rosario
  • Sandra Cancino Suárez Escuela Colombiana de Ingeniería https://orcid.org/0000-0002-0255-8580

DOI:

https://doi.org/10.26507/ponencia.1839

Palabras clave:

BIRADS, Mamografía, Procesamiento de Imágenes, Lesiones Mamarias, Cáncer de Mama, Músculo Pectoral, Segmentación de Imágenes

Resumen

Según la Organización Mundial de la Salud, el cáncer de mama es el cáncer más frecuente en mujeres tanto en países desarrollados como en países en vías de desarrollo. Esta es una enfermedad en la cual las células de la mama crecen y se multiplican sin control. La fundación Susan G. Komen explica que existen gran cantidad de tipos de cáncer de seno, siendo los más comunes el Carcinoma In Situ y el Cancinoma Invasivo, los cuales deben ser estudiados a cabalidad antes de realizar cualquier procedimiento invasivo. Organizaciones e Institutos tal como el Oncohealth Institute de Estados Unidos, explican que el cáncer de mama se puede tratar y curar si se detecta a tiempo donde según la edad se tienen métodos de cribado distintos. El examen clínico y la ecografía mamaria son las opciones principales para todas las edades; para mujeres mayores de 40 años se recomienda realizarse la mamografía la cual, de no ser concluyente con los estudios mencionados anteriormente, necesita de exámenes complementarios tales como la biopsia y/o la tomografía. En estos estudios se utiliza un sistema estándar para describir los resultados y hallazgos llamado ¨Breast Imaging Reporting and Data System¨ (BIRADS), el cual clasifica los resultados en categorías numeradas de 0 a 6.

En este trabajo se propone un método para la caracterización de las lesiones mamarias siguiendo el estándar BIRADS, a partir del procesamiento y análisis de imágenes de mamografía digital. Se utiliza la base de datos del ¨Centro de Imagenología Avanzado Mérida¨ de Mérida, Venezuela, reagrupando 300 imágenes en 3 categorías: BIRADS 1, BIRADS 2-3 y BIRADS 4-5. Las imágenes correspondientes a las últimas dos categorías fueron segmentadas manualmente por un experto, con el objetivo de tener imágenes de referencia para la evaluación del desempeño del algoritmo.

En la etapa de preprocesamiento del método propuesto, se realiza un recorte y una mejora de contraste de las imágenes, a través del uso de filtros adaptativos. Posterior a esto, se realiza la segmentación del músculo pectoral mediante la utilización de segmentación por crecimiento de regiones y operadores morfológicos. Seguido, se segmentan lesiones tanto a nivel del músculo como a nivel mamario utilizando la Transformada de Wavelet Discreta, para detectar la presencia de microcalcificaciones. Asimismo, se utiliza una combinación de la técnica de crecimiento de regiones y una umbralización multiumbral para segmentar lesiones densas y otros tipos de lesiones. Finalmente, se extraen características de textura estudiando la distribución de intensidades a partir del histograma de las masas encontradas y características morfológicas, indicando la variación de la forma de la estructura exterior, en las que se destacan el perímetro, eje mayor, eje menor, centroide y área en milímetros.

Para evaluar el desempeño del método propuesto, se comparan las imágenes segmentadas manualmente y las segmentadas automáticamente, obteniendo un índice de similitud de Sørensen-Dice de 0.73. Se considera este un resultado favorable, tomando en cuenta que solo es posible realizar una delimitación aproximada del área de la lesión en las imágenes de mamografía, ya sea de forma manual o automática.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

07-09-2021

Cómo citar

[1]
M. M. Marquéz Sosa y S. . Cancino Suárez, «CARACTERIZACIÓN DE LESIONES MAMARIAS POR MEDIO DEL PROCESAMIENTO DE IMÁGENES DE MAMOGRAFÍA DIGITAL», EIEI ACOFI, sep. 2021.
Estadísticas de artículo
Vistas de resúmenes
Vistas de PDF
Descargas de PDF
Vistas de HTML
Otras vistas
QR Code