Inforsalud'99 Comunicaciones 3

Detección Automática de Regiones de Interés en Mamografías Digitalizadas para el Diagnóstico Asistido por Ordenador

^aDolores Barrios, ^aDaniel Manrique, ^aJuan Ríos, ^bAmparo Vilarrasa

aFacultad de Informática (U. P. M.)
Campus de Montegancedo s/n
28660 Boadilla del Monte, Madrid.
jrios@fi.upm.es
Tfno.: 91.336.74.17
Fax: 91.336.74.12
^{bHospital Universitario 12 de
Octubre

Servicio de Radiodiagnóstico}

Palabras clave: Microcalcificación, Nódulo, Mamografía Digitalizada, Morfología Matemática, Análisis de Señales.

Resumen.- Ciertos estudios han probado que la realización de mamografías periódicas puede reducir la tasa de mortalidad debida al cáncer de mama entre el 30 y el 50% [1]. El seguimiento de estas recomendaciones generaría una gran cantidad de mamografías que deberían ser interpretadas por los radiólogos. Sin embargo, la efectividad y eficiencia de este proceso se podría ver mejorado si un sistema de detección automático pudiera ayudar a los radiólogos indicando la localización de todas aquellas zonas con anormalidades sospechosas en la mamografía debido a la presencia de microcalcificaciones o de una masa anormal [2].

Con este fin, se ha desarrollado un sistema para la detección de microcalcificaciones y masas sospechosas para la detección precoz del cáncer de mama. El procedimiento toma como entrada una mamografía digitalizada, y obtiene como salida la misma imagen en la que aparecen señaladas todas aquellas zonas sospechosas de constituir una malformación que posteriormente debería ser estudiada más en profundidad para poder dar un diagnóstico final. Este sistema ha sido desarrollado empleando técnicas de la morfología matemática [3][4] junto con algoritmos de segmentación basados en métodos estadísticos [5] y análisis de la señal del histograma [6].

Con el objetivo de realizar pruebas experimentales, se ha creado una base de datos con 690 estudios mamográficos reales obtenidos del Departamento de Radiología del Hospital Universitario 12 de Octubre de Madrid. Para el caso de la detección de microcalcificaciones, se han tomado de la base de datos 154 casos de forma aleatoria, conteniendo microcalcificaciones 104 de ellos. El resultado obtenido fue de un 10% de falsos negativos (microcalcificaciones existentes pero no detectadas por el algoritmo). Para la detección de nódulos, se utilizaron 90 casos, conteniendo algún tipo de masa mamaria 60 de ellos. Para este caso se obtuvo en principio un 16% de falsos negativos, aunque presentado al sistema ambas proyecciones mamográficas, al igual que trabajan los radiólogos, el resultado fue de 0% de falsos negativos. El número de falsos positivos es irrelevante ya que el sistema no diagnostica.

REFERENCIAS BIBLIOGRAFICAS

S. P. Hoffert, "New Technology Weighs in on Mammography Debate", The Scientist, 11, No. 23, pp 11-14, 1997.
S.K. Goerge, J. Evans, G.P.B. Cohen, "Characteristics of Breast Carcinomas Missed by Screening Radiologists", Radiology, 204, pp 131-135, 1997.
L. A. D’Alotto, C. R. Giardina, "A Unified Signal Algebra Approach to Two-Dimensional Parallel Digital Signal Processing", Marcel Dekker, New York, 1998.
J. Crespo, "Morphological Connected Filters and Intra-Region Smoothing for Image Segmentation", PhD Thesis, Georgia Institute of Technology, 1993.
D. Peña, "Estadística. Modelos y Métodos", Alianza Universidad Textos, Madrid, 1989.
D. Maravall, "Reconocimiento de Formas y Visión Artificial", Ra-ma, Madrid, 1993.

III Congreso Nacional de Informática de la Salud