Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11349/7409
Título : Detección de Microcalcificaciones Mamarias Agrupadas
Autor: Sandino Garzón, Alvaro Andres
Director de Tesis: Herrera García, Rodrigo Javier
Materias: INGENIERÍA ELECTRÓNICA - TESIS Y DISERTACIONES ACADÉMICAS
MAMOGRAFÍA
MAMAS - CANCER - DIAGNÓSTICO
PROCESAMIENTO DE IMÁGENES
Palabras clave : Microcalcificaciones
Análisis Multirresolución
Transformada Wavelet
Umbralización
Fecha: 23-oct-2017
Abstract : Breast microcalcifications are non-palpable lesions present in approximately 55% of breast cancer cases. It is a common find in mammograms and can be an indicator of this disease in early stages. We implemented two enhancement methods based on multiresolution analysis and wavelet transform. Then, used thresholding method to image segmentation. The threshold was determined using statistics parameters of coefficient distribution. Later, the objects were classified by length and through the density based clustering algorithm were detected clustered microcalcifications candidates. In this work we compared microcalcifications enhancement and image segmentation were used different functions of wavelets families: symlet, daubechies and coiflet. The function that presented the best result was daubechies order 16, with a specificity of 68% sensitivity of 77% and a positive predictive value of 72 %. Coiflet had the worst result. Algorithm detects breast clustered microcalcifications in most of cases. The sensitivity, specificity and positive predictive value tests do not have significant variation between wavelet functions. However, the daubechies and symlet wavelet families present the best results.
Resumen : Las microcalcificaciones mamarias son lesiones no palpables que están presentes aproximadamente en el 55% de los casos de cáncer de mama. Son un hallazgo muy frecuente en mamografías y pueden ser un indicador de esta enfermedad en sus primeras fases.Se implementaron dos métodos para el realce de microcalcificaciones mamarias basado en análisis multirresolución a través de la transformada wavelet. Luego, se segmentaron los candidatos utilizando umbralización, donde el umbral se determinó a través de los parámetros estadísticos de la distribución de coeficientes wavelet. Después, se clasificaron los objetos por su longitud y mediante un algoritmo de agrupamiento basado en densidad se detectaron los candidatos a microcalcificaciones mamarias agrupadas. En este trabajo se comparó el realce y la segmentación de microcalcificaciones utilizando diferentes funciones de las familias wavelet: symlet, daubechies y coiflet. Para el algoritmo propuesto, la función que presentó el mejor resultado en la detección de candidatos a microcalcificaciones mamarias fue daubechies de orden 16, con una especificidad de 68% una sensibilidad de 77% y un valor predictivo positivo de 72 %. La función coiflet de orden 3 presentó los valores más bajos en la prueba. El algoritmo detecta las agrupaciones de microcalcificaciones mamarias en la mayoría de mamografías. En las pruebas de sensibilidad, especificidad y valor predictivo positivo no hay una variación muy significativa entre las funciones wavelets. Sin embargo, las familias daubechies y symlet presentan los mejores resultados
URI : http://hdl.handle.net/11349/7409
Aparece en las colecciones: Ingeniería Electrónica

archivos en este ítem:
archivo Descripción Tamaño Formato  
Deteccion de microcalcificaciones mamarias agrupadas.pdf1,93 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.