Diseño y desarrollo de un sistema de segmentación de núcleos en imágenes histológicas de próstata

Abstract

Hoy en día el cáncer de próstata es uno de los cánceres más comunes entre varones. El riesgo de padecer este tipo de cáncer aumenta con la edad y compromete la esperanza de vida de esta población, por ello un diagnóstico temprano es de vital importancia. La prueba más determinante para su detección es la biopsia de próstata.

Con la implantación de nuevas tecnologías que permiten la digitalización de las muestras, se facilita el estudio al patólogo y se impulsa el desarrollo de técnicas de procesado automático de estas imágenes; técnicas capaces de determinar la existencia del cáncer y su grado a partir de la histología del tejido y el estudio de algunos de sus elementos: glándulas, estroma, núcleos, etc. Los métodos de segmentación automática juegan un papel importante en el despliegue de dichas técnicas pues hacen posible la extracción de rasgos característicos en imágenes histológicas.

En este trabajo Fin de Grado se han elaborado una serie de algoritmos que corresponden a cinco métodos distintos de segmentación de núcleos en imágenes histológicas de cáncer de próstata. Dicha segmentación ha sido abordada desde dos puntos de vista: mediante técnicas de clusterización y mediante la técnica Watershed con marcadores. Además, estos algoritmos se han implementado para el desarrollo de una interfaz gráfica de usuario capaz de segmentar automáticamente imágenes de tejido prostático de manera rápida e intuitiva.

Se ha realizado una análisis para determinar la bondad de dichos métodos aportando resultados cuantitativos al compararlos con una máscara de referencia (ground truth). Los valores obtenidos sugieren que el método que realiza una mejor segmentación de los núcleos es el algoritmo de clusterización K-means.