Detección de Regiones de Interés en imágenes de la prueba de Papanicolaou

• Reinier Rodríguez Guillén ^[2] ; Yainet García García ^[3] ; Maykel Orozco Monteagudo ^[1] ; Alberto Taboada Crispi ^[1]
  1. [1] Universidad Central de Las Villas

     Universidad Central de Las Villas

     Cuba

     
  2. [2] Centro de Ingeniería Cínica y Electromedicina
  3. [3] Hospital Provincial Docente Mártires del 9 de Abril

  Mostrar afiliaciones +
• Localización: Revista Cubana de Ciencias Informáticas, ISSN-e 2227-1899, Vol. 11, Nº. 1, 2017
• Idioma: español
• Títulos paralelos:
  • Detection of Regions of Interest in Images of the Papanicolaou Test
• Enlaces
  • Texto completo
• Resumen
  • español

    La detección de anomalías en imágenes médicas es usada en la clasificación y detección de anormalidades. El objetivo de un detector de anomalías es la identificación de las diferencias en una serie de datos, sin tener ninguna información previa de sus propiedades. El objetivo de este trabajo es la construcción de un detector de anomalías para imágenes de la prueba de Papanicolaou, para lo que se diseñó e implementó un algoritmo que determinó regiones de interés. Este algoritmo se probó con 40 imágenes, 20 que sólo contenían células normales y 20 con células anómalas. El 100% de las imágenes con células anómalas presentó regiones de interés. De las 20 imágenes con sólo células normales, sólo 9 contuvieron regiones de interés. Por otro lado, el método propuesto incluyó en las regiones de interés al 92.43% de las células anómalas.

  • English

    The detection of abnormalities in medical images is used in the classification and detection of abnormalities. The purpose of an anomaly detector is to identify the differences in a series of data, without having any previous information of its properties. The objective of this work is the construction of an anomaly detector for images of the Papanicolaou test, for which an algorithm that can determine regions of interest was designed and implemented. This algorithm was tested with 40 images, 20 containing only normal cells and 20 with abnormal cells. 100% of the images with anomalous cells presented regions of interest. Of the 20 images with only normal cells, only 9 contained regions of interest. On the other hand, the proposed method included 92.43% of the abnormal cells in the regions of interest.