Detección automática de microcalcificaciones en mamografías digitales

Abstract

RESUMEN: En esta investigación se presenta el desarrollo de un sistema de detección de microcalcificaciones en mamografías digitales. Una mamografía es una radiografía del seno, la cual, es utilizada para detectar lesiones, una de estas lesiones son las microcalcificaciones. Las microcalcificaciones son pequeños depósitos de calcio en el tejido mamario que aparecen como puntos brillantes en la imagen y pueden ser indicadores de la presencia de cáncer de mama ó de algún tumor. Una mamografía es una imagen digital de la radiografía del seno. Este sistema tiene por objetivo ayudar al médico al diagnóstico de la enfermedad, ya que le ayuda a discernir entre las microcalcificaciones y el resto del tejido, debido, a que en algunas ocasiones son poco perceptibles al ojo humano, a esto se le atribuye, el tipo de tejido del seno y algún tipo de ruido adquirido en el proceso de la toma de la mamografía o mediante el proceso de digitalización de la misma. El sistema propuesto para la detección de microcalcificaciones está formado por las siguientes etapas: preprocesamiento, segmentación, extracción de características y clasificación. La etapa de prepocesamiento se realiza para adecuar las imágenes de mamografía, con el objetivo de eliminar el ruido en la imagen, mejorar el contraste y diferenciar el tejido de las posibles lesiones. Este proceso se realiza aplicando un filtro de mediana y el negativo de la imagen. Teniendo el negativo de la imagen se realiza la Transformada Discreta Wavelet de un nivel de descomposición, para ubicar mejor las zonas de interés y facilitar la segmentación de la imagen. La etapa de segmentación de la imagen, divide ó separa las regiones de interés en sus partes constituyentes u objetos. Una vez segmentada la imagen se procede a extraer las regiones de interés, obteniendo los patrones de microcalcificaciones, los cuales, son introducidos a una red neuronal para su clasificación, la que determinará si el patrón pertenece a una microcalcificación o no. Las imágenes de mamografía empleadas en esta investigación fueron tomadas de la Base de Datos de The Mammographic Image Analysis Society (MIAS).

ABSTRACT: In this investigation, the development of a system for detecting microcalcifications in digital mammography is presented. A Mammogram is an X-ray breast, which is used to detect lesions, one of these injuries are microcalcifications. The microcalcifications are tiny calcium deposits on breast tissue that appear as bright spots on the image and they can be indicators of the presence of breast cancer or some tumor. A digital mammogram is a digital image of the breast X-ray. The proposed system has the objective to help the doctors for the breast cancer diagnostic since it helps to discern between microcalcifications and the tissue rest, owing that to in some occasions they are little noticeable for the human eye, since we bear on mind the kind of breast tissue and some kind of noise acquired in the digitalization process of it. The system for microcalcifications detection is formed by the next stages: preprocessing, segmentation, feature extraction and classification. The preprocessing stage is carried out adequate mammogram images, it has the objective to eliminate the noise in the image, improve contrast and differentiate between tissues of the possible lesions. This process is carried out applying a median filter and the negative image. Having the negative image, we apply discrete wavelet transform of one decomposition level to better location of interest regions and facilitate the segmentation the image. The segmentation stage of the image divides or separates the regions of interest in its constituent parts or objects. Once the image was segmented we proceed to extract the regions of interest, obtaining the microcalcifications patterns, which are classified by a neural network, this determines if the pattern belongs to one microcalcification or not. The mammograms images used on this research were taken of “The Mammographic Image Analysis Society” base data.