Characterization of Architectural Distortion in Mammograms

En Mamografía suele evaluarse la presencia o posibilidad de cáncer de seno mediante signos como calcificaciones, masas, asimetría bilateral y distorsión arquitectural, este último de difícil identicación debido a la compleja distribución de los tejidos en la mama, siendo frecuentemente pasado por alto. La distorsión arquitectural se caracteriza por un patrón espiculado que define la malignidad de la lesión. Muchos de los trabajos realizados para caracterizar la distorsión arquitectural llevan la imagen entera a otro espacio en donde los patrones pueden ser discriminados. En esta tesis se presenta un método novedoso que utiliza información en el espacio de la imagen, en la cual primero se seleccionan manualmente las regiones de interes que son pre procesadas para mejorar sus detalles visuales. Después, la caracterización de la AD se realiza mediante la representación lineal de la saliencia en las regiones de interes (ROI) como un gráfo cuyos nodos corresponden a los píxeles a lo largo del borde de la ROI y cuyos arcos corresponden a las integrales de intensidad a lo largo de la ruta de conexión de cualquier par de nodos. Un conjunto de vectores propios obtenido de la matriz de adyacencia se utiliza para extraer coeficientes discriminantes que representen aquellos nodos con las íneas mas sobresalientes. Una reducción de dimensionalidad se logra adicionalmente mediante la selección del par de nodos con mayor contribución para cada uno de los vectores propios calculados. El conjunto de las líneas principales sobresalientes se ensambla como un vector de características que se introduce a una Maquína de soporte vectorial (SVM). Los resultados experimentales se realizan con dos bases de datos de referencia, el cojunto de datos MIAS y la base de datos DDSM, demostrando que el método propuesto tiene un buen desempeño en términos de precisión y sensibilidad. El enfoque se evaluó con un conjunto de 246 ROI extraidas de la base DDSM (123 normales y 123 controles) y un conjunto de 38 ROI de la base de datos MINIMIAS (19 normales y 19 controles), respectivamente. Los resultados de la clasificación mostraron respectivamente, tanto para ambas bases de datos una precisión del 89,02% y el 86,89 %, una sensibilidad del 85,37% y el 84,21 %, y una tasa de especificidad del 92,68% y 89,47 % respectivamente.

• Autores: Alvarez Triana, Jorge Andres
• Fecha de publicación: 2016
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/56430
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/56430; http://bdigital.unal.edu.co/52189/
• Palabra clave: 61 Ciencias médicas; Medicina / Medicine and health; 62 Ingeniería y operaciones afines / Engineering; Mamografía; mammography; Distorsión arquitectural; Cáncer de seno; Centralidad de autovector; Arqchitectural distortion; Breast cancer; Carcinoma; Eigenvector centrality
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional