Publicación:

Detección de cáncer de cuello uterino usando técnicas de procesamiento y análisis de imágenes microscópicas

Resumen

Se presentan los resultados del desarrollo de un sistema de detección de cáncer de cuello uterino a partir del procesamiento de imágenes de microscopía de citología cérvico uterina. En este trabajo se muestra la metodología usada, los algoritmos desarrollados, el sistema de clasificación y los resultados obtenidos, así como la comparación con la citología cérvico uterina convencional. Las muestras usadas para el trabajo fueron obtenidas a partir de citologías cérvico uterinas, procesadas a través de un conjunto de 6 filtros cromáticos que brindan información de regiones espectrales específicas, con el fin de disponer de más información que la usual de 3 planos RGB. El sistema captura las imágenes de las muestras, realiza una rutina de segmentación usando técnicas de procesamiento multiespectral, así como métodos estadísticos de crecimiento de regiones, con el fin de separar apropiadamente el material extracelular, el material citoplasmático y el material nuclear. A partir de las imágenes segmentadas, se obtienen parámetros que permiten discriminar entre una muestra normal y una anormal en el sistema Bethesda. Para la clasificación se usa una red neuronal backpropagation con capas de 7, 5 y 1 neuronas. Esta salida de una neurona corresponde a una señal binaria correspondiente a la anomalía o normalidad de la muestra. Se descartó el uso de otros sistemas de clasificación tales como lógica fuzzy o clasificadores bayesianos debido a que la naturaleza multivariable del proceso impedía considerarlo como un problema de aprendizaje supervisado, condición importante en un método de clasificación fuzzy o bayesiano. Previamente al entrenamiento de la red se hizo una validación de los datos de entrada usando análisis de componentes principales con el fin de determinar su efectiva utilidad como variable de clasificación, así como para evitar una alta colinealidad de los datos, factor importante en la elección de parámetros de entrada en una red neuronal de clasificación. Una fracción de las muestras es usada en el entrenamiento, dejando el conjunto restante para la validación. Los resultados muestran una sensibilidad de entre 90 y 95% y una especificidad de entre 84 y 88%. Estos valores obtenidos muestran que el sistema puede ser aplicado como medio de tamizaje efectivo en el diagnóstico de cáncer de cuello uterino.