| Journal: | Ingeniería (Bogotá) |
| Database: | |
| System number: | 000538109 |
| ISSN: | 0121-750X |
| Authors: | Sandino Garzón, Alvaro Andrés1 Herrera García, Rodrigo Javier2 |
| Institutions: | 1Universidad Nacional de Colombia, Bogotá. Colombia 2Universidad Distrital Francisco José de Caldas, Bogotá, Bogotá. Colombia |
| Year: | 2019 |
| Season: | May-Ago |
| Volumen: | 24 |
| Number: | 2 |
| Pages: | 159-170 |
| Country: | Colombia |
| Language: | Español |
| Spanish abstract | Contexto: Las microcalcificaciones mamarias son lesiones no palpables que están presentes aproximadamente en el 55% de los casos de cáncer de mama; son un hallazgo muy frecuente en mamografías y pueden ser un indicador de esta enfermedad en sus primeras fases. Método: Se implementó un método para el realce de microcalcificaciones mamarias basado en análisis multirresolución a través de la transformada wavelet. Posteriormente se realiza una segementación aproximada de candidatos utilizando los parámetros estadísticos de la distribución de coeficientes y se seleccionaron aquellos que cumplían con ciertos parámetros de longitud y distribución. Por último, se se emplea un modelo de clasifiación binaria utilizando maquinas de soporte vectorial para clasificar imagenes con microcalcificaciones mamarias agrupadas. Resultados: Se realizó la tarea de clasificación binaria entre imágenes con tejido mamario sano y con microcalcificaciones utilizando una máquina de soporte vectorial (Support-vector machine, SVM, por sus siglas en inglés) utilizando kernel lineal. Las métricas de evaluación para el algorítmo fueron: área bajo la curva (AUC) de 93.6 %, precisión de 89.4 %, sensibilidad de 88.4% y especificidad de 90.5 %. Conclusiones: En el presente trabajo se utilizó el tamaño y la distribución como criterios para la segmentación y caracterización de microcalcificaciones mamarias agrupadas, que en la evaluación clínica son medidas cuantitativas para la detección de cáncer de seno en sus primeras etapas. Dado que el tejido mamario presenta un bajo contraste se propuso un método de realce que logra desenmascarar algunas microcalcificaciones que son poco evidentes. Con el enfoque propuesto se logró clasificar correctamente la mayoría de imágenes de tejido mamario con microcalcificaciones agrupadas ya sea en distribuciones segmentarias, lineales o ramificadas. |
| English abstract | Context: Mammary microcalcifications are not-palpable lesions that are present in approximately 55% of breast cancer. These are a frequent findings in mammograms and may be an indicator of the disease in its early stages. Method: A method was implemented in order to get mammary microcalcifications enhancement based on multi-resolution analysis with Wavelet transform. Then, candidates were segmented using thresholding, in this technique, the threshold was determined with statistical parameters from Wavelet distribution coefficients. Later, a couple of Support Vector Machines models was used to classify images that contains mammary microcalcifications. Results: Classification task was performed using Support Vector Machines (SVM). The following evaluation metrics was achieved: AUC of 93.6 %, accuracy of 89.4 %, sensivity of 88.4%and specificity of 90.5% Conclusions: In this approach the length and distribution of microcalcifications was used as features to select candidates. These features are also used as criteria in clinical evaluation to detect mammary cancer in early stages. The proposed method to image enhancement can unmask microcalcifications that are not visible at naked eye. In most mammographies the proposed algorithm classify correctly microcalcifications in different distributions. |
| Keyword: | Análisis multirresolución, Detección de cáncer de seno, Mamografía, Microcalcificaciones mamarias, Transformada Wavelet, Idioma: Español |
| Keyword: | Breast cancer detection, Mammary microcalcifications, Mammography, Multi-resolution analysis, Wavelet transform, Language: Spanish |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
