Resumen de Detección y clasificación de masas en mamografías mediante análisis en componentes independientes
El presente trabajo de Tesis Doctoral está centrado en la detección y clasificación de masas en mamografías. Las masas son uno de los principales indicadores de la existencia de cáncer de mama, tanto maligno como benigno. Para ello hemos realizado un sistema de detección y clasificación de masas en mamografías utilizando técnicas de inteligencia artificial, extracción de características mediante Análisis en Componentes Independientes (ICA) y clasificación de patrones mediante redes neuronales (Perceptron Multicapa) y clasificadores SVM. La detección y clasificación de lesiones en mamografías es un trabajo extremadamente difícil dado a la gran variabilidad que pueden presentar las lesiones, aún siendo del mismo tipo. Además de la gran variabilidad que presentan las propias mamografías dependiendo del tipo de tejido predominante en la mama y su distribución. Esto hace que muchas veces el cáncer pueda aparecer obscurecido, enmascarado por el tejido mamario circundante lo cual, hace muy difícil su detección. Se requieren por tanto un gran número de casos documentados (prototipos) para desarrollar y entrenar un clasificador neuronal. Para la realización del trabajo hemos contado con la base de datos DDSM. El trabajo consta de dos partes, en una primara parte se obtienen los prototipos de masas directamente de las mamografías, ya que éstos están marcados sobre las mismas. Y con estos prototipos y un número similar de prototipos de tejido normal (cogidos aleatoriamente de los casos normales) se entrenan un gran número de clasificadores, probando distintas configuraciones de los vectores de entrada a los clasificadores (número de componentes, combinación de las características extraídas mediante ICA desde las imágenes con los parámetros BI-RADS que acompañan al informe de cada caso,...). Y, en una segunda etapa implementamos nuestro sistema CAD para la detección y clasificación de masas en mamografías.
Palabras clave: Análisis en Componentes Principales, Análisis en Componentes Independientes, redes neuronales, SVM, CAD, masas, mamografías.
