Detección automatizada de cáncer de mama basada en espectroscopía raman y el clasificador de mahalanobis

• Autores: Francisco Javier Luna Rosas, Julio César Martínez Romo, Carlos Alejandro de Luna Ortega, Gricelda Medina Veloz, Valentín López Rivas
• Localización: ConCiencia Tecnológica, ISSN-e 1405-5597, Nº. 49 (enero-junio), 2015, págs. 19-26
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    19 Conciencia Tecnológica No. 49, Enero-Junio 2015 Dr. Francisco Javier Luna Rosas 1 , Dr. Julio Cesar Martínez Rom o 1 , Dr. Carlos Alejandro de Luna Ortega 2 , MC. Gricelda Medina Veloz 3 , MC. Valentín López Rivas 1 , 1 Instituto Tecnológico de Aguascalientes, Departamento de Sistemas y Computación Avenida Adolfo López Mateos 1801 Oriente, C.P. 20256, Fraccionamiento Bona Gens, Aguascalientes, Ags., México. Tel (01-449) 9105002, Ext. 152, E-mail: fcoluna2000@yahoo.cpm.mx 2 Universidad Politécnica de Aguascalientes, Departamento de Ingeniería Mecatrónica Calle Paseo San Gerardo No. 207, C.P. 20342, Fraccionamiento San Gerardo, Aguascalientes, Ags., México. Tel. (01-449)442-1400 3 Universidad Tecnológica del Norte de Aguascalientes, Departamento de Tecnologías de Información Av. Universidad 1001, C.P. 20400, Estación Rincón, Rincón de Romos, Aguascalientes, México. Tel. (01-465)965-0030 Detección Automatizada de Cáncer de Mama Basada en Espectroscopía Raman y el Clasificador de Mahalanobis Automatic Detection of Breast Cancer Based on Raman Spectroscopy and the Mahalanobis C lassifier Resumen En este artículo presentamos un método para la detección automatizada de cáncer de mama, en el cual una señal Raman es clasificada viniendo de una biopsia de tejido sano (clase 1 ) o una biopsia de tejido dañado (clase 2 ); para este fin, creamos patrones de las clases 1 y 2 que representan picos Raman (marcadores de tejido sano y enfermo). Para llevar a cabo la detección aplicamos un clasificador de distancia mínima con métrica de Mahalanobis y a partir de este método se obtuvieron altas tasas de detección, corroborado al comparar los resultados del clasificador contra las clasificaciones previas del tejido realizadas por un patólogo experto. Esto provee a los especialistas con herramientas clínicas importantes para una rápida y eficiente detección automatizada de cáncer de mama. Consideramos que nuestro enfoque puede ser aplicado a otros órganos del cuerpo donde la detección y clasificación oportuna de cáncer puede ser difícil y de relevancia pronostica, tales como estómago, páncreas entre otros.

  • English

    Abstract In this paper we present a method for automatic Breast cancer detection, in which a Raman signal is classified as coming from a biopsy of healthy tissue (class 1 ) or biopsy of diseased tissue (class 2 ) ; to do so, we created patterns from the classes 1 y 2 that represent Raman peaks (markers of healthy and diseased tissue). To perform the classification we applied a minimum distance classifier with Mahalanobis metric and from this method, we obtained high detection rates. The results were confirmed when we compare the classifier against the results from the classifications made by an expert pathologist. This provides the specialists with important clinical tools for a rapid and efficient automatic detection of breast cancer. We believe that our approach can be applied to other organs of the body where the detection and classification of cancer can be difficult and predicted relevance, such as stomach, pancreas and others.