Las microcalcificaciones son la manifestación más temprana de cáncer de mama, por esto es importante una rápida detección para tratar la enfermedad en sus primeras fases y reducir los índices de mortalidad. La mamografía es la principal herramienta usada para el diagnóstico del cáncer de mama, sin embargo las características de estas imágenes dificultan el diagnóstico de un especialista.
En este estudio se muestra una metodología para la detección de microcalcificaciones en mamografías digitales, que contribuye al desarrollo posterior de un sistema de diagnóstico asistido por computador y ayuda al especialista a validar o rechazar resultados, mejorando la sensibilidad del diagnóstico.
En este documento se propone un método para la localización de microcalcificaciones agrupadas, y se explican las técnicas de procesamiento de imágenes digitales empleadas, el método propuesto se divide en dos etapas básicas: preprocesamiento y segmentación. En el preprocesamiento se reduce la imagen a la región de la mama haciendo uso de la técnica de etiquetamiento de componentes conexas y se reduce ruido empleando la transformada wavelet, en la etapa de detección se realza el contraste de las imágenes empleando una combinación de técnicas filtrando unsharp y ampliación de contraste, se implementaron dos técnicas de segmentación algoritmo de top-hat con un porcentaje de acierto de 83.6% y transformada wavelet con un porcentaje de acierto de 85.5%, seguidamente se binarizo la imagen a partir de un valor de umbral y finalmente se agruparon las microcalcificaciones detectadas que son las que representan mayor grado de malignidad.
CONCLUSIONES:
En la etapa de preprocesamiento se consiguió reducir el ruido de las imágenes, para esto la técnica de normal shrink ofreció mejores resultados que técnicas como el filtrado de mediana y el filtro de Wiener alcanzando un PSNR de 72.98 para una desviación estándar del ruido de 0.1, sobre imágenes estándar de procesamiento de imágenes.
De las técnicas de segmentació utilizadas, se observo que el algoritmo de top-hat conserva mejor la forma y tamaño de las microcalcificaciones, pero la técnica que mejor resultado ofreció en cuanto a detección fue la implementada con la transformada wavelet, con un porcentaje de acierto superior.
Las técnicas de umbralización y agrupamiento, facilitaron la visualización de las microcalcificaciones y ayudaron a reducir el número de punto eliminado objetos no deseados, permitiendo centrar la atención en los agrupamientos de microcalcificaciones.
