%0 Journal Article
%T Detecci車n de Candidatos a Microcalcificaciones Mamarias Agrupadas en Mamograf赤as
%A Alvaro Andres Sandino Garzon
%A Rodrigo Javier Herrera Garc赤a
%J -
%D 2019
%R https://doi.org/10.14483/23448393.12512
%X Abstract (es_ES) Contexto: Las microcalcificaciones mamarias son lesiones no palpables que est芍n presentes aproximadamente en el 55% de los casos de c芍ncer de mama. Son un hallazgo muy frecuente en mamograf赤as y pueden ser un indicador de esta enfermedad en sus primeras fases. M谷todo: Se implementa un m谷todo para el realce de microcalcificaciones mamarias basado en an芍lisis multirresoluci車n a trav谷s de la transformada wavelet. Posteriormente se realiza una segmentaci車n aproximada de candidatos utilizando los par芍metros estad赤sticos de la distribuci車n de coeficientes y se seleccionan aquellos que cumplan con ciertos par芍metros de longitud y distribuci車n. Por 迆ltimo, se emplea un modelo de clasificaci車n binaria utilizando m芍quinas de soporte vectorial para clasificar im芍genes con microcalcificaciones mamarias agrupadas. Resultados: Se realiz車 la tarea de clasificaci車n binaria entre im芍genes con tejido mamario sano y con microcalcificaciones utilizando una m芍quina de soporte vectorial (SVM) utilizando kernel lineal. Las m谷tricas de evaluaci車n para el algoritmo fueron: 芍rea bajo la curva (AUC) de 93.6 %, precisi車n de 89.4 %, sensibilidad de 88.4% y especificidad de 90.5 %. Conclusiones: En el presente trabajo se utiliz車 el tamaˋo y la distribuci車n como criterios para la segmentaci車n y caracterizaci車n de microcalcificaciones mamarias agrupadas, que en la evaluaci車n cl赤nica son medidas cuantitativas para la detecci車n de c芍ncer de seno en sus primeras etapas. Dado que el tejido mamario presenta un bajo contraste se propuso un m谷todo de realce que logra desenmascarar algunas microcalcificaciones que son poco evidentes. Con el enfoque propuesto se logr車 clasificar correctamente la mayor赤a de im芍genes de tejido mamario con microcalcificaciones agrupadas ya sea en distribuciones segmentarias, lineales o ramificadas. Abstract (en_US) Context: Mammary microcalcifications are not-palpable lesions that are present in approximately 55% of breast cancer. These are a frequent finding in mammograms and may be an indicator of this disease in its firsts phases. Method: A method was implemented in order to get mammary microcalcifications enhancement based on multi-resolution analysis through wavelet transform. Then, candidates were segmented using thresholding, in this technique, the threshold was determined through statistical parameters from Wavelet distribution coefficients. Later, a support vector machines model was used to classify images that contains mammary microcalcifications. Results: Classification task was performed using support vector machines (SVM). The
%U https://revistas.udistrital.edu.co/index.php/reving/article/view/12512