Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria
La distorsión de la arquitectura es un cambio anormal del tejido de la glándula mamaria con la consiguiente formación de lesiones finas y espiculadas que no están asociadas a la presencia de una masa. La distorsión es el tercer hallazgo mamográfico más común y por la dificultad de su detección es el...
- Autores:
-
Gómez Betancur, Duván Alberto
Branch Bedoya, John William
- Tipo de recurso:
- Fecha de publicación:
- 2012
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Universidad Santo Tomás
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/8321
- Acceso en línea:
- http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/89
- Palabra clave:
- Cáncer de mama, distorsión de la arquitectura, mamografía, procesamiento digital de imágenes, diagnóstico asistido por computador.
- Rights
- License
- Copyright (c) 2018 ITECKNE
| id |
SantoToma2_b3d5b554577f18fba2cc0c98d7da7383 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/8321 |
| network_acronym_str |
SantoToma2 |
| network_name_str |
Universidad Santo Tomás |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria |
| title |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria |
| spellingShingle |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria Cáncer de mama, distorsión de la arquitectura, mamografía, procesamiento digital de imágenes, diagnóstico asistido por computador. |
| title_short |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria |
| title_full |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria |
| title_fullStr |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria |
| title_full_unstemmed |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria |
| title_sort |
Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamaria |
| dc.creator.fl_str_mv |
Gómez Betancur, Duván Alberto Branch Bedoya, John William |
| dc.contributor.author.spa.fl_str_mv |
Gómez Betancur, Duván Alberto Branch Bedoya, John William |
| dc.subject.proposal.spa.fl_str_mv |
Cáncer de mama, distorsión de la arquitectura, mamografía, procesamiento digital de imágenes, diagnóstico asistido por computador. |
| topic |
Cáncer de mama, distorsión de la arquitectura, mamografía, procesamiento digital de imágenes, diagnóstico asistido por computador. |
| description |
La distorsión de la arquitectura es un cambio anormal del tejido de la glándula mamaria con la consiguiente formación de lesiones finas y espiculadas que no están asociadas a la presencia de una masa. La distorsión es el tercer hallazgo mamográfico más común y por la dificultad de su detección es el primer causante de falsos negativos en los diagnósticos. Este artículo presenta la planeación, implementación y pruebas de un método que sirve como soporte para la detección de distorsiones de la arquitectura de la glándula mamaria a partir de imágenes de radiología de mama. El método asiste a los especialistas en el proceso de decisión diagnóstica como segundo intérprete en el análisis de mamografías mediante la integración de cuatro etapas principales que van desde el pre-procesamiento de la imagen hasta la clasificación final con base en las características de textura de las regiones de interés extraídas. El método presentado fue validado mediante el análisis de imágenes mamográficas de la base de datos DDSM (Digital Data base for Screening Mammography), que logra valores de precisión general hasta de un 90.7% lo cual lo convierte en una base importante para la disminución del número de falsos negativos en la detección de distorsiones de la arquitectura de la glándula mamaria. |
| publishDate |
2012 |
| dc.date.issued.spa.fl_str_mv |
2012-12-07 |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/article |
| dc.identifier.spa.fl_str_mv |
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/89 10.15332/iteckne.v9i2.89 |
| url |
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/89 |
| identifier_str_mv |
10.15332/iteckne.v9i2.89 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.spa.fl_str_mv |
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/89/92 http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/89/91 /*ref*/E. Coto, “Método de Segmentación de Imágenes Médicas,” 2003. /*ref*/Instituto Nacional de Cancerología, “Casos nuevos de cáncer de mama, según estadio clínico al ingreso y régimen de afiliación.” 2009. /*ref*/F. R. Narváez E., “Sistema de Anotación para Apoyo en el Seguimiento y Diagnóstico de Cáncer de Seno,” Universidad Nacional de Colombia, 2010. /*ref*/American College of Radiology (ACR), Breast Imaging Reporting and Data System, 4th ed. 2003. /*ref*/A. M. Knutzen and J. J. Gisvold, “Likelihood of malignant disease for various categories of mammographically detected, nonpalpable breast lesions.,” in Mayo Clinic proceedings. Mayo Clinic, 1993, Vol. 68, p. 454. /*ref*/S. Banik, R. M. Rangayyan, and J. E. L. Desautels, “Detection of Architectural Distortion in Prior Mammograms,” Medical Imaging, IEEE Transactions on, vol. 30, no. 2, pp. 279–294, 2011. /*ref*/D. A. Gómez Betancur, “Método de detección de distorsiones de la arquitectura de la glándula mamaria a partir de imágenes radiológicas,” Universidad Nacional de Colombia, 2012. /*ref*/M. D. Phillips, “Invasive Lobular Breast Carcinoma: Pathology And Genetics Reflected By MRI,” The WorldCare Clinical (WCC) Note, Vol. 4, 2010. /*ref*/T. Matsubara, T. Ichikawa, T. Hara, H. Fujita, S. Kasai, T. Endo, and T. Iwase, “Novel method for detecting mammographic architectural distortion based on concentration of mammary gland,” in International Congress Series, 2004, vol. 1268, pp. 867–871. /*ref*/B. C. Yankaskas, M. J. Schell, R. E. Bird, and D. A. Desrochers, “Reassessment of breast cancers missed during routine screening mammography: a communitybased study,” American Journal of Roentgenology, vol. 177, no. 3, p. 535, 2001. /*ref*/M. Bustamante, G. Lefranc, A. Núñez, and M. G. Pesce, “Calculo De La Amplitud Dispersada En Mamografias, Usando Como Modelo De Degradacion El Filtro Bosso.,” PHAROS, Vol. 8, No. 1, 2001. /*ref*/H. D. Cheng, X. J. Shi, R. Min, L. M. Hu, X. P. Cai, and H. N. Du, “Approaches for automated detection and classification of masses in mammograms,” Pattern Recognition, vol. 39, no. 4, pp. 646–668, 2006. /*ref*/J. Tang, R. M. Rangayyan, J. Xu, I. El Naqa, and Y. Yang, “Computer-aided detection and diagnosis of breast cancer with mammography: Recent advances,” Information Technology in Biomedicine, IEEE Transactions on, Vol. 13, No. 2, pp. 236–251, 2009. /*ref*/R. M. Rangayyan and T. M. Nguyen, “Fractal Analysis of Contours of Breast Masses in Mammograms,” Journal of Digital Imaging, Vol. 20, pp. 223–237, Oct. 2006. /*ref*/T. Matsubara, T. Ichikawa, T. Hara, H. Fujita, S. Kasai, T. Endo, and T. Iwase, “Automated detection methods for architectural distortions around skinline and within mammary gland on mammograms,” International Congress Series, vol. 1256, no. 0, pp. 950–955, Jun. 2003. /*ref*/N. Eltonsy, G. D. Tourassi, and A. Elmaghraby, “Investigating performance of a morphology-based CAD scheme in detecting architectural distortion in screening mammograms,” Proc. 20th Int. Congr. Exhib. Comput. Assist. Radiol. Surg, pp. 336–338, 2006. /*ref*/G. D. Tourassi, D. M. Delong, and C. E. Floyd, “A study on the computerized fractal analysis of architectural distortion in screening mammograms,” Physics in Medicine and Biology, Vol. 51, pp. 1299–1312, Mar. 2006. /*ref*/R. M. Rangayyan, S. Prajna, F. J. Ayres, and J. E. L. Desautels, “Detection of architectural distortion in prior screening mammograms using Gabor filters, phase portraits, fractal dimension, and texture analysis,” International Journal of Computer Assisted Radiology and Surgery, Vol. 2, No. 6, pp. 347–361, 2008. /*ref*/S. Prajna, R. M. Rangayyan, F. J. Ayres, and J. E. L. Desautels, “Detection of architectural distortion in mammograms acquired prior to the detection of breast cancer using texture and fractal analysis,” in Proceedings of SPIE, 2008, Vol. 6915, p. 691529. /*ref*/R. M. Rangayyan, S. Banik, and J. E. L. Desautels, “Computer-aided detection of architectural distortion in prior mammograms of interval cancer,” Journal of Digital Imaging, Vol. 23, No. 5, pp. 611–631, 2010. /*ref*/S. Russell, Inteligencia Artificial - Un Enfoque Moderno, 2nd ed. 2004. /*ref*/T. Nakashima, G. Schaefer, Y. Yokota, and H. Ishibuchi, “A weighted fuzzy classifier and its application to image processing tasks,” Fuzzy sets and systems, Vol. 158, No. 3, pp. 284–294, 2007. /*ref*/H. Ishibuchi and T. Nakashima, “Effect of rule weights in fuzzy rule-based classification systems,” Fuzzy Systems, IEEE Transactions on, Vol. 9, No. 4, pp. 506– 515, 2001. /*ref*/R. M. Haralick, K. Shanmugam, and I. Dinstein, “Textural Features for Image Classification,” IEEE Transactions on Systems, Man and Cybernetics, Vol. 3, No. 6, pp. 610–621, Nov. 1973. /*ref*/M. Amadasun and R. King, “Textural features corresponding to textural properties,” IEEE Transactions on Systems, Man, and Cybernetics, vol. 19, no. 5, pp. 1264–1274, Oct. 1989. /*ref*/H. Tamura, S. Mori, and T. Yamawaki, “Textural Features Corresponding to Visual Perception,” IEEE Transactions on Systems, Man and Cybernetics, Vol. 8, No. 6, pp. 460–473, Jun. 1978. /*ref*/D.-Y. Tsai and K. Kojima, “Measurements of texture features of medical images and its application to computer-aided diagnosis in cardiomyopathy,” 2005. |
| dc.relation.citationissue.spa.fl_str_mv |
ITECKNE; Vol 9, No 2 (2012); 118-127 2339-3483 1692-1798 |
| dc.relation.citationissue.eng.fl_str_mv |
ITECKNE; Vol 9, No 2 (2012); 118-127 |
| dc.rights.eng.fl_str_mv |
Copyright (c) 2018 ITECKNE |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Copyright (c) 2018 ITECKNE http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/zip application/pdf |
| dc.publisher.eng.fl_str_mv |
Universidad Santo Tomás. Seccional Bucaramanga |
| institution |
Universidad Santo Tomás |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
noreply@usta.edu.co |
| _version_ |
1800786430689017856 |
| spelling |
Gómez Betancur, Duván AlbertoBranch Bedoya, John William2012-12-07http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/8910.15332/iteckne.v9i2.89La distorsión de la arquitectura es un cambio anormal del tejido de la glándula mamaria con la consiguiente formación de lesiones finas y espiculadas que no están asociadas a la presencia de una masa. La distorsión es el tercer hallazgo mamográfico más común y por la dificultad de su detección es el primer causante de falsos negativos en los diagnósticos. Este artículo presenta la planeación, implementación y pruebas de un método que sirve como soporte para la detección de distorsiones de la arquitectura de la glándula mamaria a partir de imágenes de radiología de mama. El método asiste a los especialistas en el proceso de decisión diagnóstica como segundo intérprete en el análisis de mamografías mediante la integración de cuatro etapas principales que van desde el pre-procesamiento de la imagen hasta la clasificación final con base en las características de textura de las regiones de interés extraídas. El método presentado fue validado mediante el análisis de imágenes mamográficas de la base de datos DDSM (Digital Data base for Screening Mammography), que logra valores de precisión general hasta de un 90.7% lo cual lo convierte en una base importante para la disminución del número de falsos negativos en la detección de distorsiones de la arquitectura de la glándula mamaria.application/zipapplication/pdfspaUniversidad Santo Tomás. Seccional Bucaramangahttp://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/89/92http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/89/91/*ref*/E. Coto, “Método de Segmentación de Imágenes Médicas,” 2003./*ref*/Instituto Nacional de Cancerología, “Casos nuevos de cáncer de mama, según estadio clínico al ingreso y régimen de afiliación.” 2009./*ref*/F. R. Narváez E., “Sistema de Anotación para Apoyo en el Seguimiento y Diagnóstico de Cáncer de Seno,” Universidad Nacional de Colombia, 2010./*ref*/American College of Radiology (ACR), Breast Imaging Reporting and Data System, 4th ed. 2003./*ref*/A. M. Knutzen and J. J. Gisvold, “Likelihood of malignant disease for various categories of mammographically detected, nonpalpable breast lesions.,” in Mayo Clinic proceedings. Mayo Clinic, 1993, Vol. 68, p. 454./*ref*/S. Banik, R. M. Rangayyan, and J. E. L. Desautels, “Detection of Architectural Distortion in Prior Mammograms,” Medical Imaging, IEEE Transactions on, vol. 30, no. 2, pp. 279–294, 2011./*ref*/D. A. Gómez Betancur, “Método de detección de distorsiones de la arquitectura de la glándula mamaria a partir de imágenes radiológicas,” Universidad Nacional de Colombia, 2012./*ref*/M. D. Phillips, “Invasive Lobular Breast Carcinoma: Pathology And Genetics Reflected By MRI,” The WorldCare Clinical (WCC) Note, Vol. 4, 2010./*ref*/T. Matsubara, T. Ichikawa, T. Hara, H. Fujita, S. Kasai, T. Endo, and T. Iwase, “Novel method for detecting mammographic architectural distortion based on concentration of mammary gland,” in International Congress Series, 2004, vol. 1268, pp. 867–871./*ref*/B. C. Yankaskas, M. J. Schell, R. E. Bird, and D. A. Desrochers, “Reassessment of breast cancers missed during routine screening mammography: a communitybased study,” American Journal of Roentgenology, vol. 177, no. 3, p. 535, 2001./*ref*/M. Bustamante, G. Lefranc, A. Núñez, and M. G. Pesce, “Calculo De La Amplitud Dispersada En Mamografias, Usando Como Modelo De Degradacion El Filtro Bosso.,” PHAROS, Vol. 8, No. 1, 2001./*ref*/H. D. Cheng, X. J. Shi, R. Min, L. M. Hu, X. P. Cai, and H. N. Du, “Approaches for automated detection and classification of masses in mammograms,” Pattern Recognition, vol. 39, no. 4, pp. 646–668, 2006./*ref*/J. Tang, R. M. Rangayyan, J. Xu, I. El Naqa, and Y. Yang, “Computer-aided detection and diagnosis of breast cancer with mammography: Recent advances,” Information Technology in Biomedicine, IEEE Transactions on, Vol. 13, No. 2, pp. 236–251, 2009./*ref*/R. M. Rangayyan and T. M. Nguyen, “Fractal Analysis of Contours of Breast Masses in Mammograms,” Journal of Digital Imaging, Vol. 20, pp. 223–237, Oct. 2006./*ref*/T. Matsubara, T. Ichikawa, T. Hara, H. Fujita, S. Kasai, T. Endo, and T. Iwase, “Automated detection methods for architectural distortions around skinline and within mammary gland on mammograms,” International Congress Series, vol. 1256, no. 0, pp. 950–955, Jun. 2003./*ref*/N. Eltonsy, G. D. Tourassi, and A. Elmaghraby, “Investigating performance of a morphology-based CAD scheme in detecting architectural distortion in screening mammograms,” Proc. 20th Int. Congr. Exhib. Comput. Assist. Radiol. Surg, pp. 336–338, 2006./*ref*/G. D. Tourassi, D. M. Delong, and C. E. Floyd, “A study on the computerized fractal analysis of architectural distortion in screening mammograms,” Physics in Medicine and Biology, Vol. 51, pp. 1299–1312, Mar. 2006./*ref*/R. M. Rangayyan, S. Prajna, F. J. Ayres, and J. E. L. Desautels, “Detection of architectural distortion in prior screening mammograms using Gabor filters, phase portraits, fractal dimension, and texture analysis,” International Journal of Computer Assisted Radiology and Surgery, Vol. 2, No. 6, pp. 347–361, 2008./*ref*/S. Prajna, R. M. Rangayyan, F. J. Ayres, and J. E. L. Desautels, “Detection of architectural distortion in mammograms acquired prior to the detection of breast cancer using texture and fractal analysis,” in Proceedings of SPIE, 2008, Vol. 6915, p. 691529./*ref*/R. M. Rangayyan, S. Banik, and J. E. L. Desautels, “Computer-aided detection of architectural distortion in prior mammograms of interval cancer,” Journal of Digital Imaging, Vol. 23, No. 5, pp. 611–631, 2010./*ref*/S. Russell, Inteligencia Artificial - Un Enfoque Moderno, 2nd ed. 2004./*ref*/T. Nakashima, G. Schaefer, Y. Yokota, and H. Ishibuchi, “A weighted fuzzy classifier and its application to image processing tasks,” Fuzzy sets and systems, Vol. 158, No. 3, pp. 284–294, 2007./*ref*/H. Ishibuchi and T. Nakashima, “Effect of rule weights in fuzzy rule-based classification systems,” Fuzzy Systems, IEEE Transactions on, Vol. 9, No. 4, pp. 506– 515, 2001./*ref*/R. M. Haralick, K. Shanmugam, and I. Dinstein, “Textural Features for Image Classification,” IEEE Transactions on Systems, Man and Cybernetics, Vol. 3, No. 6, pp. 610–621, Nov. 1973./*ref*/M. Amadasun and R. King, “Textural features corresponding to textural properties,” IEEE Transactions on Systems, Man, and Cybernetics, vol. 19, no. 5, pp. 1264–1274, Oct. 1989./*ref*/H. Tamura, S. Mori, and T. Yamawaki, “Textural Features Corresponding to Visual Perception,” IEEE Transactions on Systems, Man and Cybernetics, Vol. 8, No. 6, pp. 460–473, Jun. 1978./*ref*/D.-Y. Tsai and K. Kojima, “Measurements of texture features of medical images and its application to computer-aided diagnosis in cardiomyopathy,” 2005.ITECKNE; Vol 9, No 2 (2012); 118-1272339-34831692-1798ITECKNE; Vol 9, No 2 (2012); 118-127Copyright (c) 2018 ITECKNEhttp://purl.org/coar/access_right/c_abf2Sistema de decisión basado en lógica difusa para la detección de distorsiones de la arquitectura de la glándula mamariainfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1Cáncer de mama, distorsión de la arquitectura, mamografía, procesamiento digital de imágenes, diagnóstico asistido por computador.11634/8321oai:repository.usta.edu.co:11634/83212023-07-14 16:37:19.57metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co |