Diseño de una aplicación en Matlab para el cálculo de biomarcadores de imágenes de cáncer de mama basados en el cálculo del tensor de difusión (MRI-DTI) a partir de técnicas de modelado y análisis estadístico multivariante de variables latentes

Abstract

[ES] El cáncer de mama es una de las enfermedades que mayor incidencia presenta en mujeres a nivel mundial. Si bien es cierto que se han realizado múltiples avances a la hora de diagnosticar y tratar esta patología, la inclusión de nuevas técnicas de diagnóstico y la mejora de las existentes es de vital importancia para tratar de conseguir una diagnosis más robusta, rápida y able. Actualmente, existen diversas investigaciones que buscan complementar con nuevas técnicas las ya aceptadas en la práctica clínica para diagnosticar cáncer de mama. Entre ellas, se puede destacar el uso de la imagen de resonancia magnética potenciada en difusión y el asociado tensor de difusión para el reconocimiento de lesiones tumorales malignas. En el presente trabajo se propone el cálculo del tensor de difusión y la posterior clasi cación de regiones tumorales y sanas mediante técnicas estadísticas multivariantes de variables latentes. Inicialmente se dispone de un conjunto de cinco volúmenes mamarios de pacientes con cáncer de mama diagnósticado mediante biopsia. El desarrollo del trabajo se ha dividido en dos fases diferenciadas: fase de cálculo del tensor de difusión y visualización de mapas paramétricos y fase de clasi cación. En la primera fase se ha implementado el cálculo del tensor de difusión calculado mediante regresi ón lineal múltiple (DTI-MLR) y regresión de minimos cuadrados parciales (DTI-PLS), el método estadístico propuesto. En la segunda fase, a partir de la segmentación de una región sana y una región cancerosa en cada uno de los casos realizada y facilitada por una radióloga especialista, se ha diseñado y desarrollado un método de clasi cación basado en el análisis discriminante de regresión de mínimos cuadrados parciales (PLS-DA). Los resultados obtenidos tras el análisis estadístico realizado muestran el gran potencial de PLS y PLS-DA como herramientas estadísticas aplicables tanto al cálculo del tensor de difusión (PLS) como a la clasi cación de píxeles sanos y cancerosos (PLS-DA). A su vez, el trabajo realizado demuestra el interés que tiene el uso de métodos estadísticos multivariantes para aplicaciones médicas tales como el diagnóstico del cáncer de mama.

[EN] Breast cancer is one of the diseases with the highest incidence in women worldwide. Although it is true that multiple advances have been made when diagnosing and treating this pathology, the inclusion of new diagnostic techniques and the improvement of existing ones is of vital importance in trying to achieve a more robust, rapid and reliable diagnosis. Currently, there are various investigations that seek to complement with new techniques those already accepted in clinical practice to diagnose breast cancer. Among them, we can highlight the use of di usion-weighted magnetic resonance imaging (DW-MRI) and the associated di usion tensor (DTI) for the recognition of malignant tumor lesions. The present work proposes the calculation of the di usion tensor and the subsequent classi cation of tumorous and healthy regions using multivariate statistical techniques of latent variables. Initially, a set of ve breast volumes is available from patients with breast cancer diagnosed by biopsy. The development of the work has been divided into two di erent phases: the di usion tensor calculation phase and visualization of parametric maps and the classi cation phase. In the rst phase, the calculation of the di usion tensor calculated by means of multiple linear regression (DTI-MLR) and partial least squares regression (DTI-PLS), the proposed statistical method, has been implemented. In the second phase, based on the segmentation of a healthy region and a cancerous region in each of the cases performed and facilitated by a specialist radiologist, a classi cation method has been designed and developed based on the discriminant analysis partial least squares. (PLS-DA). The results obtained after the statistical analysis carried out showed the great potential of PLS and PLS-DA as tools applicable both to the calculation of the di usion tensor (PLS) and to the classi cation of healthy and cancerous pixels (PLS-DA). In turn, the work carried out shows the interest of the use of multivariate statistical methods for medical applications such as the diagnosis of breast cancer.