Detección automática de lesiones en mamografías usando técnicas de análisis de imágenes

Abstract

Este trabajo de investigación presenta una técnica basada en el uso de imágenes de mamografía para extraer automáticamente ciertos descriptores relevantes, que permitan reconocer las patologías mamarias mediante técnicas de análisis de imágenes médicas; en particular, se da solución a problemas existentes en la eliminación de ruido, segmentación de las imágenes, extracción de la región de interés (ROI) y las características que describan las posibles asimetrías entre las regiones de interés (ROI) de ambas mamas. Dicho análisis se puede realizar en múltiples pruebas mastológicas. La detección eficaz y confiable de microcalcificaciones es el objetivo principal del proceso de clasificación y caracterización de la ROI a partir del uso de las mamografías, ya que su idea fundamental es ofrecer una herramienta de ayuda al diagnóstico médico en etapas tempranas de la aparición de estas patologías de la mama. El conocimiento de los primeros signos y síntomas en la población, permite identificar la enfermedad en estados tempranos, lo que dará lugar a una mejor calidad de vida sobre dicha enfermedad. Así, el estándar Breast Imaging Report and Database System (BI-RADS), desarrollado por el Colegio Americano de Radiología (ACR), constituye un estándar y una herramienta radiográfica para el análisis y la interpretación de lesiones en mamografías. Este estándar permite clasificar la malignidad de las lesiones en mamografías en 7 categorías (el valor 0 indica una mamografía incompleta; y los valores del 1 al 6 indican el incremento en el nivel de gravedad desde el valor 1 para la evaluación negativa hasta el valor 6, que se refiere a malignidad comprobada mediante biopsia). Cada nivel lleva asociadas un conjunto de recomendaciones para los doctores y los pacientes. Tradicionalmente, la interpretación y categorización de las mamografías es realizada de forma manual por parte de los médicos radiólogos. Existen numerosas técnicas de procesamiento y análisis de imágenes de forma automática que pueden aplicarse en la detección de anomalías en mamografías, como pueden ser nódulos y microcalcificaciones, usadas en la clasificación BI-RADS para el diagnóstico de la gravedad de las lesiones. La Visión Artificial es un área de investigación que tiene por objetivo el reconocimiento de objetos o elementos en imágenes. Las etapas típicas de un sistema de este tipo son: la captura de imágenes, el pre-procesamiento para realzar y filtrar la imagen con objeto de facilitar la posterior detección de regiones de interés en las imágenes (segmentación). Las regiones de interés segmentadas de las imágenes se caracterizan mediante unos descriptores que las representan a la hora de reconocerlas o clasificarlas. Además, para garantizar la eficiencia de los resultados y la calidad de las mismas, se propone incorporar en el análisis de imágenes, el ciclo de vida de desarrollo de software en espiral, por sus características particulares de múltiples iteraciones del proceso de ciclo de vida. Cada vuelta en la espiral representa una fase del proceso, dicho de otra manera, supone un avance en el proceso de desarrollo. No existen etapas fijas tradicionales, ligadas a actividades como la especificación o diseño, sino que cada vuelta en la espiral determina las actividades a realizar. Para entender el problema se ha llevado a cabo un amplio proceso de investigación, basado en comprender las técnicas de tratamiento de imágenes, las patologías y los diagnósticos médicos. Una vez comprendido el área en el que se iba a desenvolver el sistema, se llevó a cabo el desarrollo del mismo. SUMMARY This research work a technique based on the use of mammography images to automatically extract certain relevant descriptors from the same to recognizing these breast conditions by techniques of medical image analysis is proposed, in particular solution is given to existing problems in noise removal and segmentation of images, extracting the region of interest (ROI) and the characteristics that describe the possible asymmetries between the regions of interest (ROI) of both breasts. Such analysis can be performed on multiple mastologic tests. The efficient and reliable detection of microcalcifications is the principal objective of the ROI classification and characterization process as a starting stage the mammography’s use, since the main idea is to provide a tool to aid medical diagnosis at early stages of the breast pathology. The first signs and symptoms of the symptomatic population allow identify the disease earlier, and durability of life on this disease. Therefore, the standard Breast Imaging Report and Database System (BI-RADS), developed by the American College Radiography (ACR), consist in a radiographic standard and a tool use in the interpretation and analysis in the interpretation of the mammograms diseases. This standard allows to identifier the madness of the disease in seven different categories (level 0 means an incomplete mammography; the 1 to 6 values means the disease increment from the level 1 a negative evaluation to level 6 that points out the proved disease throughout a biopsy). Each level suggest a set of recommendations for doctors and patients. Traditionally, interpretation and classification of mammograms is performed manually by radiologists. There are a lot of technics for the processing and analysis of automatic generated images that could be applied in the detection of anomalies in the mammographic images, as can be nodules and microcalcifications, these are used in the BI-RADS classification for the level of the diagnostic of sickness level. The machine vision is a research area that has the objective of recognize the objects and elements on images. The typical stages of this type of systems are: the image capture, pre-processing in order to enhance and filter the image as a way to facilitate the latter detection of anomalies segmentation. The interest images on the segmented regions are characterized by a sort of descriptors that represent the time to recognize and categorize them. Besides, in order to guaranty the quality and veracity of the results it is being propose to incorporate the spiral life cycle development software, since its particular characteristics as multiple interacting on the live cycle process. Each turn on the spiral represents one stage on the process, in other words, this suppose an advance on the process development. There are not traditional fixed stages, involved in the characterization or design, since each turn on the spiral dictates the tasks to be followed. In order to understand the problem this research has taken a wide investigation process, based on the understanding of the techniques of images treatment, the pathologies and medic diagnostic. Once understood the field where the system is performs, it took the development process.