Análisis, evaluación y caracterización de imágenes termográficas utilizando redes neuronales artificiales y técnicas de extracción de características de textura de Haralick

Abstract

RESUMEN El cáncer de mama es una de las enfermedades más frecuentes en las mujeres a nivel mundial con una incidencia de desarrollo del 99 % y un 1% en hombres, para el sexo femenino existen ciertas estrategias para reducir la tasa de mortalidad, la más conocida es la mamografía, esta técnica no es universalmente accesible debido a su costo, el cual en ecuador está en un rango de 30 a 40 dólares, esto impide a las personas de bajos recursos acceder a este examen médico. Por ello, este trabajo propone la incorporación de la termografía como herramienta alternativa para la detección precoz del cáncer de mama, este método tiene una gran acogida en el ámbito de la medicina debido a que permite calcular la temperatura a distancia, con exactitud y sin contacto físico directo, además es totalmente indolora y de bajo costo. La imagen infrarroja es obtenida mediante la cámara termográfica FLIR en condiciones que el paciente debe cumplir, entre las más relevantes está reposar de 10 a 15 minutos antes de someterse al examen para estabilizar la temperatura en su cuerpo otra condición importante es que la imagen debe ser obtenida de la parte superior del paciente totalmente desnudo y en un espacio sin filtros de luz para evitar que afecte al resultado final. Posteriormente la imagen es filtrada para eliminar el ruido y mejorar su nitidez para lo cual se recurrió a los filtros Laplaciano y Gaussiano, seguidamente se procede a la segmentación de la imagen es decir la obtención de la región de interés ROI mediante la técnica segmentación Watershed la cual está fundamentada en la morfología matemática, obtenida la ROI se procede a la extracción de las características de textura mediante los descriptores de textura Haralick la cual consta de catorce parámetros, entre ellos están: correlación, entropía, suma y diferencia de entropía, entre otros. Para la clasificación se procede a determinar si la imagen adquirida del paciente es patológica o no patológica, proceso mediante el cual se realiza a través de Redes Neuronales Artificiales, las cuales se basan en el modelo biológico del cerebro humano y además tienen la capacidad de aprender por medio de una enseñanza de esta forma deducir el pronóstico médico de cada imagen. ABSTRACT Breast cancer is one of the most common diseases in women worldwide with an incidence of development of 99% and 1% in males, for females there are certain strategies to reduce the mortality rate, the best known is the mammogram, this technique is not universally accessible due to its cost, which in Ecuador is in the range of $ 30 to $ 40, this prevents low-income people access this medical examination. Therefore, this work proposes the incorporation of thermography as an alternative tool for early detection of breast cancer, this method has a great success in the field of medicine because they can calculate the temperature at distance, with accurately and without contact direct physical, it is also completely painless and inexpensive. The infrared image is obtained by the thermal imager FLIR under conditions that the patient must meet, among the most relevant is to stand for 10-15 minutes before undergoing the test to stabilize the temperature in your body other important condition is that the image must be obtained from the top of the patient completely naked and in an area without light filters to avoid affecting the final result. Subsequently, the image is filtered to remove noise and improve clarity for which he used the Laplacian and Gaussian filters, then proceed to the image segmentation is obtaining the region of interest ROI through technical segmentation Watershed the which is based on mathematical morphology obtained ROI it proceeds to the extraction of texture features using the texture descriptors Haralick which consists of fourteen parameters, among them: correlation entropy sum and difference entropy, etc. . For the classification proceed to determine whether the acquired image of the patient is pathological or not pathological process by which it is done through artificial neural networks, which are based on the biological model of the human brain and also have the ability to learn by teaching thus deduce the medical prognosis of each image.