Sistema de anotación para apoyo en el seguimiento y diagnóstico de cáncer de seno

Esta tesis presenta un método novedoso para el soporte y la ayuda al diagnóstico de cáncer de mama, entregando un soporte visual por relevancia clínica de los casos similares previamente diagnosticados y almacenados en una base de datos, y adicionando un soporte textual al sugerir un probable diagnóstico basado en la información asociada a las imágenes similares. Este método consiste en el mapeo de una imagen sobre un espacio de características, a través de un conjunto de características que capturan las propiedades más importantes de la imagen en cuanto a forma y textura. La características de forma son descritas mediante los momentos de Zernike y las de textura mediante la matriz por diferencias de tonos de grises vecinos (NGTM). Una vez la imagen es representada de esta manera, se mide la similitud con otras utilizando la distancia de Mahalanobis. Por otro lado, para la descripción textual del diagnóstico sugerido se usa el léxico BI-RADS (Breast Imaging Report and Database System). En un escenario clínico real, un especialista selecciona alguna región de interés de una imagen bajo análisis y se recuperan los casos más similares bajo la descripción de características previamente definidas utilizando la información asociada a cada caso para sugerir un diagnóstico. Finalmente el método fue evaluado utilizando un conjunto real de 100 imágenes anotadas previamente, reportando una Precisión de 0.82 y un Recall de 0.48. / Abstract: This thesis presents a novel method used to support and assist the breast cancer diagnosis. This method supplies a visual aid for clinical relevance of similar cases previously diagnosed and textual support, suggesting a likely diagnosis based on the diagnosis associated with the similar images. This method consists in mapping an image onto a feature space through a set of features that capture the most important properties of the images such as shape and texture. Shape features are captured using Zernike Moments and texture features using neighborhood gray-tone difference matrix (NGTM). Once the image is represented in this way, it is compared with another using the Mahalanobis distance in the feature space. On the other hand, for textual support the BI-RADS (Breast Imaging Report and Database System) lexicon descriptor is used. In a real clinical scenario, a specialist selects a region of interest of an image under analysis. This system searches from data base, retrieves the most similar cases under the description of pre-defined features and uses textual information associated to each case to suggest a diagnosis. In the final stage of this work, the method was evaluated using a set of 100 images previously diagnosed, reporting a Precision of 0.82 and Recall of 0.48.

• Autores: Narváez Espinoza, Fabián Rodrigo
• Fecha de publicación: 2010
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/11307
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/11307; http://bdigital.unal.edu.co/8720/
• Palabra clave: 61 Ciencias médicas; Medicina / Medicine and health; Cáncer de seno; Anotación automática; BI-RADS; Diagnostico asistido por computador; Recuperación de imágenes por contenido / Breast cancer; Automatic annotation; BI-RADS; Computer aided diagnosis; Content-based image retrieval
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional