Publicado en 3C Tecnología – Volumen 3 Número 3 (Edición 10)
Autores
- Danays Bárbara Costa Alonso
- Alejandro Díaz Sotolongo
- Juan Antonio Martín Alfonso
- Noel Pérez Pérez
Resumen
En la presente investigación se propone un nuevo método computarizado para la detección del cáncer de mamas en imágenes de mamografías ipsilaterales, basado en la combinación apropiada de técnicas de Procesamiento Digital de Imágenes (PDI) y Geometría Analítica (GA) respectivamente. El método usa como punto de partida la imagen de mamografía medio-lateral oblicua (MLO) para extraer los elementos de referencias (musculo pectoral, pezón y rectas tangentes a la lesión) que serán detectados en la imagen de mamografía cráneo-caudal (CC) y son considerados importantes para la detección exitosa de la lesión patológica. El método propuesto se validó usando dos volúmenes (selección aleatoria) de la base de datos de dominio público Digital Database for Screening Mammography (DDSM). De acuerdo con la prueba estadística de Wilcoxon, nuestro método revelo un desempeño satisfactorio en la detección de lesiones patológicas (LPs) en imágenes de mamografías. Además, de ser capaz de reducir sustancialmente la proporción de Falsos Negativos (FN) por imagen.
Abstract
In this work, it is proposed a new ipsilateral Breast Cancer Computer Aided Detection (CADe) method based on a suitable combination of Digital Image Processing and Analitical Geometry techniques. The method uses as a starting point the mediolateral oblique (MLO) image view to extract all the reference elements (pectoral muscle, nipple and tangent lines to segmented lesion) that will be detected on the craneocaudal (CC) image view and are usefull for a successfully lesion detection. The proposed method was validated using two volumes (random selection) of the public Digital Database for Screening Mammography. According to the Wilcoxon statistical test, the proposed method revealed satisfactory performance in the detection of pathological lesions on mammograms. Also, it was able to substantially reduce the false positive ratio per image.