Publicación:

Diseño e implementación de un algoritmo de segmentación del seno para mamografías digitalizadas

Resumen

En la actualidad, una de las herramientas que se utilizan para la detección temprana del cáncer de mama es la mamografía, la cual se divide en dos tipos: digital y digitalizada. La principal diferencia entre estas consiste en el formato de adquisición que poseen, lo que con lleva a que ambos tipos de imágenes posean características diferentes, tales como el rango dinámico, ruido estructural, entre otras. Las mamografías suelen contener el músculo pectoral, el cual es necesario eliminar debido a que posee una intensidad similar a la del tejido mamario. Para esto se utilizan los algoritmos de segmentación, los cuales se encargan de separar el tejido mamario y la pared pectoral. Debido a las diferencias entre los tipos de mamografías, estos algoritmos trabajan adecuadamente en imágenes digitales, pero presentan problemas al momento de utilizar imágenes digitalizadas. Por consiguiente, para llevar a cabo el análisis computarizado de este tipo de imágenes es necesario contar con algoritmos que sean afines con mamografías digitalizadas. Por esta razón, este trabajo se enfocó en el diseño e implementación de un algoritmo que permitiera segmentar el músculo pectoral en imágenes digitalizadas de la base de datos mini-MIAS. Para esto, se llevó a cabo un preprocesamiento de las imágenes con el fin de mejorar la calidad y eliminar objetos indeseados. Después se utilizó la técnica de segmentación por crecimiento de regiones (RG) para segmentar el músculo pectoral de la imagen. Posteriormente, se utilizaron técnicas de posprocesamiento de imágenes para mejorar los resultados obtenidos y finalmente, se realizó la evaluación del algoritmo utilizando como medidas de rendimiento el accuracy y el coeficiente de similitud de Dice. El algoritmo desarrollado logró un rendimiento del 89.16% en la media del coeficiente de similitud de Dice y un 88.04% en la exactitud, cada uno con una desviación estándar de aproximadamente el 6%. Los resultados obtenidos demuestran la eficiencia del algoritmo para eliminar el músculo pectoral en la mayoria de las imágenes.