Análisis de texturas en imágenes de Tomografía Computarizada para la caracterización de tumores pulmonares atendiendo a su naturaleza

Abstract

[ES] El cáncer de pulmón tiene elevada prevalencia en nuestra sociedad, utilizándose la Tomografía Computarizada (TC) como herramienta principal para su detección. Aprovechando el potencial de los sistemas informáticos se puede descifrar datos en las imágenes con valor clínico y de forma no invasiva. El objetivo de este TFG es la caracterización del tumor pulmonar atendiendo a su naturaleza mediante el análisis de texturas aplicado a las imágenes de TC, correlacionando estos parámetros de texturas con una asignación benigna o maligna del tumor. La muestra consiste en imágenes de 40 pacientes con las lesiones tumorales ya segmentadas por expertos. Previo al procedimiento, las imágenes necesitan una preparación. Se ha elaborado una interfaz en la que se puede etiquetar la lesión y reconstruir el volumen de la lesión a partir de las imágenes para su visualización en 2 (2D) y 3 (3D) dimensiones. Además, el sistema genera una máscara binaria de la lesión necesaria para el futuro análisis. El proyecto analiza en 2D y 3D, en el primer caso permite seleccionar el corte concreto de estudio, no obstante el propio sistema detecta el corte central de la lesión automáticamente. El procedimiento consta de tres partes: análisis de texturas, mediante la toolbox Radiomics de Matlab, en el que se obtienen 43 texturas, selección de características con Relief y métodos de aprendizaje automáticos. Igualmente, Radiomics permite analizar imágenes reduciendo a diferentes niveles de gris, se ha trabajado con: 8, 16, 32, 64 y 128 niveles. Los mejores resultados se han obtenido en 3D logrando un 75% de precisión y un AUC de 0.80 con un método ensamblado de subespacio discriminante. Asimismo, la matriz Gray-Level RunLength Matrix ha sido la más relevante a la hora de clasificar. Los resultados obtenidos indican que el análisis de texturas podría ser útil en el diagnóstico del cáncer pulmonar.

[CA] El càncer de pulmó te una elevada incidència en nostra societat, utilitzant la Tomografia Computeritzada (TC) com la ferramenta principal per a la seua detecció. Aprofitant el potencial dels sistemes informàtics es pot desxifrar dades en les imatges amb valor clínic i de forma no invasiva. L'objectiu d'aquest TFG és la caracterització del tumor pulmonar atenent a la seua naturalesa mitjançant l'anàlisi de textures aplicat a les imatges de TC, correlacionant aquests paràmetres de textures amb una assignació benigna o maligna del tumor. La mostra consisteix en imatges de 40 pacients amb les lesions tumorals ja segmentades per experts. Previ al procediment, les imatges necessiten una preparació. S'ha elaborat una interfície en la qual es pot etiquetar la lesió i reconstruir el volum de la lesió a partir de les imatges per a la seua visualització en 2 (2D) i 3 (3D) dimensions. A més, el sistema genera una màscara binària de la lesió necessària per al futur anàlisi. El projecte analitza en 2D i 3D, en el primer cas permet seleccionar el tall concret d'estudi, però el propi sistema detecta el tall central de la lesió automàticament. El procediment consta de tres parts: anàlisi de textures, mitjançant la toolbox de Maltab Radiomics, en què s'obtenen 43 textures, selecció de característiques amb Relief i mètodes d'aprenentatge de classificació. Igualment, Radiomics permet analitzar imatges reduint a diferents nivells de gris, s'ha treballat amb: 8, 16, 32, 64 i 128 nivells. Els millors resultats s'han obtingut en 3D aconseguint un 75% de precisió i una AUC de 0.80 amb un mètode acoblament de subespai discriminant. Així mateix, la matriu Gray-Level Run-Length Matrix ha estat la més rellevant a l'hora de classificar. Els resultats obtinguts indiquen que l'anàlisi de textures podria ser útil en el diagnòstic del càncer pulmonar.

[EN] Lung cancer has a high prevalence in our society, using Computed Tomography (CT) as the main tool for its detection. Taking advantage of the potential of computer systems, it is possible to decipher data in images with clinical value and non-invasively. The objective of this TFG is the characterization of the lung tumor according to its nature through a texture analysis applied to the CT images, correlating these texture parameters with a benign or malignant assignment of the tumor. The sample consists of images of 40 patients with tumor lesions already segmented by experts. Prior to the procedure, the images need a preparation. An interface has been developed in which the lesion can be labelled and the volume of the lesion reconstructed from the images for 2D and 3D visualization. In addition, the system generates a binary mask of the lesion necessary for future analysis. The project covers both the two-dimensional field and the three-dimensional field, allowing the selection of the specific slice of the study, although the system itself detects the central slice of the lesion automatically. The procedure consists of three parts: texture analysis, using the toolbox of Matlab Radiomics, in which 43 textures are obtained, feature selection with Relief and automatic learning methods. Likewise, Radiomics allows the analysis of images reducing the number of gray levels, it has been worked with: 8, 16, 32, 64 and 128 levels. The best results have been obtained in 3D achieving 75% accuracy and an AUC of 0.80 with an assembled method of discriminating subspace. Also, the Gray-Level Matrix Run-Length Matrix has been the most relevant in the classification process. The results obtained indicate that texture analysis could be useful in the diagnosis of lung cancer.