INVESTIGADOR(ES) PRINCIPAL(ES):

Julián David Echeverry Correa

13 horas

CODIGO CIE

6-19-1

Alvaro Angel Orozco Gutiérrez

Coinvestigador

4 Horas

Juan Sebastián Blandón Luengas

Estudiante

0 Horas

Jorge Luis Fernández Ramírez

Coinvestigador

0 Horas

TIPO DE CONVOCATORIA

2018. Décimosegunda Convocatoria

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Objetivo general: Desarrollar un prototipo de un sistema de recuperación de información por contenido orientado a la localización y clasificación de grupos de microcalcificaciones en mamografías sospechosas. Objetivos específicos: 1) Establecer una metodología de procesamiento de mamografías para disminuir el ruido, eliminar artefactos, mejorar el contraste y determinar las características más relevantes de forma local, en términos de la descripción de grupos de microcalcificaciones. 2) Establecer una metodología para la clasificación y localización de grupos de microcalcificaciones en mamografías sospechosas, empleando técnicas de aprendizaje de máquina orientadas a la visualización, que permitan discriminar entre grupos de benignos y malignos. 3) Elaborar un prototipo de sistema de recomendación basado en características de las imágenes de mamografía y sus metadatos, para la recuperación de información relevante para el caso bajo estudio. 4) Validar el sistema desarrollado a partir de medidas de sensibilidad y especificidad, sobre bases de datos públicas y privadas.

RESUMEN

El cáncer es una las principales causas de morbilidad y mortalidad en la actualidad, una de sus variantes es el cáncer de mama que, en Colombia, representa anualmente la causa de fallecimiento de alrededor de 2500 mujeres, y la aparición de cerca de 7000 nuevos casos. Teniendo presente que esta tendencia sigue en aumento, se hace imprescindible aumentar las tasas de detección temprana de cáncer de mama, de modo que pueda iniciarse el tratamiento lo antes posible y así se reduzca la tasa de mortalidad debida a esta enfermedad. Para diagnosticar el cáncer de mama en una etapa temprana, se ha recurrido a la detección de grupos de microcalcificaciones malignas, a partir del Gold Standard para su visualización conocidas como imágenes mamográficas. Por ello, el Colegio Americano de Radiología desarrolló una terminología estandarizada denominada Breast Imaging Reporting and Data System (BIRADS), para la evaluación y manejo de hallazgos mamográficos. Este estándar incluye además categorías para las calcificaciones, las cuales son clasificadas de acuerdo con su probabilidad de malignidad. Según el estándar BI-RADS hay cinco categorías para clasificar una mamografía, donde la BI-RADS 3 es una de las más complejas de clasificar por los especialistas. El diagnóstico de la enfermedad a partir de mamografías de esta categoría es difícil, debido a que los hallazgos mamográficos pueden tener una probabilidad de malignidad menor al 2%, que normalmente hace que estos sean pasados por alto o que sean causantes de falsos positivos, representando biopsias innecesarias, que no sólo incrementan los costes del diagnóstico, sino que resultan incómodas para los pacientes. Lo expuesto anteriormente introduce incertidumbre en el diagnóstico, y hace que la interpretación de las microcalcificaciones esté ligada al entrenamiento, experiencia y habilidad del radiólogo. Para reducir los problemas inherentes al diagnóstico de esta enfermedad a partir de imágenes de mamografías, se ha optado por disminuir el ruido, eliminar artefactos y mejorar el contraste de las imágenes bajo estudio, lo que resulta en una imagen de mayor calidad. Así mismo, se han planteado formas automáticas de detectar y clasificar grupos de microcalcificaciones sospechosas, empleando sistemas de aprendizaje de máquina que realcen y discriminen entre los patrones asociados a dichos grupos. Sin embargo, sigue existiendo una marcada desconfianza por parte de la comunidad médica en cuanto al uso de las herramientas mencionadas para mejorar la etapa del diagnóstico, y se han desarrollado pocos trabajos que busquen, como resultado principal, incrementar la confianza de los especialistas en radiología al emplear dichos sistemas. Por tanto, este proyecto se enfocará en el desarrollo de un prototipo de sistema de apoyo al diagnóstico que permita al especialista responsable obtener un nivel mayor de seguridad en su propia decisión cuando se enfrente a imágenes con gran incertidumbre en el diagnóstico (p.ej. imágenes categorizadas como BI-RADS 3). La herramienta por desarrollar funcionará como una combinación de dos sistemas de apoyo al diagnóstico: por un lado, se desarrollará un módulo de motor de búsqueda inteligente apoyado por un sistema de recomendación, que entregará al médico historiales clínicos, reportes, resultados de exámenes patológicos, imágenes, etc., de pacientes previos cuyas imágenes diagnósticas y resultados presenten similitudes estadísticamente significativas con los del paciente de estudio. Por otro lado, se implementará un módulo de clasificación automática de imágenes mamográficas basándose en la similitud de las imágenes con bases de datos de pacientes previos con diagnósticos confirmados. En concreto se quiere aplicar un prototipo de sistema automático de reconocimiento de estructuras con base en la detección de contornos. Esta metodología ha sido desarrollada muy recientemente por el Grupo de Investigación en Automática, y aplicada, con muy buenos resultados, para la segme

SÍNTESIS DEL PROYECTO

El proyecto de investigación titulado ¿Prototipo de un sistema de recuperación de información por contenido orientado a la clasificación de grupos de microcalcificaciones en mamografías ¿ PROTOCAM¿ fue desarrollado de manera conjunta por el Grupo de Investigación en Automática y el grupo de investigación en Análisis de Datos y Sociología Computacional ¿ GIADSc, ambos grupos adscritos al Programa de Ingeniería Eléctrica de la Facultad de Ingenierías de la Universidad Tecnológica de Pereira. El objetivo principal de este proyecto era la elaboración de un sistema que pudiera facilitarle al especialista la consulta de diagnósticos de cáncer de mama con relevancia similares a un caso concreto a partir de imágenes mamográficas, para lograr esto se implementó una metodología basada en procesamiento de imágenes y técnicas de aprendizaje automático, las cuales se acoplaron en un solo sistema (aplicativo software) mediante tres módulos; El primer módulo es el de preprocesamiento, en el cual el ruido, las etiquetas, el músculo pectoral y las zonas irrelevantes son removidas de la mamografía, reduciendo la imagen original a una región de interés en la cual se encuentra solo el tejido mamario. Para esto se usó la técnica de binarización de Otsu, operaciones morfológicas y una versión del algoritmo de crecimiento de regiones a la cual se le adaptó un umbral dinámico. El segundo módulo es el encargado de localizar las microcalcificaciones que se encuentren dentro del tejido mamario, para esto se implementaron una serie de algoritmos de reconocimiento de patrones basados en redes neuronales los cuales permiten encontrar las zonas de la mamografía con posibles casos de microcalcificaciones contenidas en ellas, posteriormente mediante el uso de técnicas de reconstrucción wavelet son eliminadas todas las estructuras similares a las microcalcificaciones para poder realizar una óptima localización de las mismas. Finalmente, el tercer módulo toma la región de la mamografía que contiene microcalcificaciones hallada previamente (imagen consulta) para clasificarla según la escala BIRADS y retornar un conjunto de imágenes relevantes con un alto nivel de similitud en comparación con la imagen consulta, todo esto logrado a partir un sistema de recomendación basado en redes neuronales. La metodología fue puesta a prueba usando una base de datos pública (mini-MIAS) y otra privada (UTP), los resultados obtenidos al evaluar cada uno de los módulos fueron los siguientes: la etapa de preprocesamiento arrojó un 99% y 97% de efectividad respectivamente al eliminar artefactos y el ruido de la imagen, mientras que en la remoción del músculo pectoral se obtuvo una efectividad del 92%. Por otro lado, se obtuvo un nivel de acierto del 83% en la evaluación del módulo de localización de microcalcificaciones, mientras que el módulo de recomendación arrojó un nivel de similitud promedio de 80% y un nivel de coincidencia del 60% en la identificación del BIRADS del cluster de microcalcificaciones.

ESTADO

Concluye Satisfactoriamente

FECHA DE INICIO

15/01/2019

FECHA DE FINALIZACION

15/01/2021

PRODUCTOS

Automatic Pectoral Muscle Removal and Microcalcification Localization in Digital Mammograms

Artículo en revista indexada

URL

Infinite Gaussian Fisher Vector to Support video-based Human Action Recognition

Circulación de conocimiento especializado

Prototipo de un sistema de diagnóstico asistido por ordenador orientado a la localización de clusters de microcalcificaciones en mamografías

Dirección de trabajo de grado

Prototipo de un sistema de recuperación de información por contenido orientado a la localización y clasificación de grupos de microcalcificaciones en mamografías - PROTOCAM

Productos tecnológicos certificados y validados

Recuperación de información por contenido orientada a la clasificación de grupos de microcalcificaciones en mamografías - Protocam

Libro resultante de investigación

URL