Segmentación de imágenes mamográficas de cáncer de mama

Abstract

[ES] El cáncer de mama es uno de los cánceres más comunes entre mujeres en todo el mundo. Durante la última década el número de casos ha descendido, en parte debido a los procedimientos de diagnóstico y prevención. Aun así, se ha estimado que la cifra de nuevos casos diagnosticados de cáncer de mama en Estados Unidos durante el 2018 ascienda a más de 300.000 casos.

Las mamografías o radiografías de mamas son el método más empleado para el diagnóstico y prevención de esta enfermedad. Desde la década de los 70, los inicios de esta metodología, ha habido un gran interés en obtener mamografías en las que poder identificar las lesiones fácilmente. Sin embargo, las imágenes mamográficas se caracterizan por ser imágenes con poco contraste entre las estructuras que las conforman. Con el propósito de dar soporte a los radiólogos, los investigadores han desarrollado algoritmos para analizar las mamografías y reconocer las anormalidades propias del cáncer de mama. Algunos de estos algoritmos han sido implementados en softwares que pueden ser encontrados en clínica, los denominado sistemas CAD (Computer-Aided Diagnoses)

En este Trabajo Final de Máster se propone un software para la detección automática de cáncer de mama. Se ha desarrollado un algoritmo que mejora la calidad de las imágenes y detecta las masas relacionadas con el cáncer de mama. Para la mejora de la calidad de las mamografías, el algoritmo elimina aquellos objetos que no son de interés y mejora el contraste. Por otra parte, el algoritmo estudia las características de los píxeles, concretamente la intensidad, para encontrar la región de interés aplicando el método de segmentación Active Contour.

El algoritmo desarrollado se ha implementado en una interfaz gráfica que podría utilizarse como sistema CAD. La interfaz gráfica desarrollada es una herramienta intuitiva y sencilla, la cual consiste en una primera ventana en la que se llevan a cabo las diferentes operaciones para obtener la segmentación, y una segunda ventana en la que pueden ser observadas las diferentes vistas de las mamografías.

La herramienta ha sido probada en 60 caso diferentes de forma satisfactoria. Para validar los resultados de la segmentación se han empleado el índice de Jaccard y el coeficiente de correlación. El valor mediano para el índice de Jaccard es del 0.48 y para el coeficiente de correlación asciende a 0.76. Los resultados obtenidos indican que las áreas segmentadas corresponden con las áreas dónde se encuentran las lesiones producidas por el cáncer de mama en cada caso.

[EN] Breast cancer is one of the most common cancer types in women all over the world. During the last decade the number of cases has been decreased, in part due to the settled diagnoses and prevention systems. Even though, it is estimated that more than 300.000 new cases of breast cancer will be diagnosed in the USA during the 2018.

Mammograms or radiologic breast images are widely used in diagnoses and prevention programs. Since 70s, the very beginning of this methodology, there has been a high interest in obtaining mammograms in which one can easily identify abnormal lesions. Nevertheless, mammograms are characterized as images with a low contrast between the structures represented. With the purpose of aiding radiologists in their diagnoses, scientists are developing algorithms to analyse mammograms and recognize breast cancer anomalies. Some of these algorithms were implemented and released as software and can be found in clinical practices, in so called CAD (Computer-Aided Diagnosis) systems.

In this Master s final project it is proposed a software for the automatic segmentation of breast cancer. An algorithm has been developed that enhances the image quality and detects the masses related to breast cancer. For the quality enhancement the algorithm removes undesirable objects and improves the contrast. For masses detection it uses image characteristics such as the pixel intensity to find the breast region of interest, by applying the active contour segmentation method.

This algorithm is implemented in a user interface that can serve as CAD system. The developed user interface is an intuitive and easy driving tool which consists of a main screen where the operations to obtain the location of the tumour mass are performed, and a second window where the different mammograms views are displayed.

The algorithm was tested for 60 different cases successfully. The segmented mammograms were evaluated by the Jaccard index and the correlation coefficient, getting a median of 0.48 for the Jaccard Index and a 0.76 for the correlation coefficient. The obtained results indicate that the segmented areas correspond to the breast cancer areas.