Metodología basada en técnicas de procesamiento de imágenes para la Segmentación Automática de Microcalcificaciones en mamografías

Resumen

Las imágenes médicas son fundamentales en el campo de la salud, proporcionando datos esenciales para diagnósticos precisos y evaluación de tratamientos. Para maximizar su utilidad, se requiere la aplicación de técnicas y procesos de mejora de características para obtener resultados eficientes. En este contexto, el preprocesamiento de imágenes juega un papel crucial en la segmentación de microcalcificaciones en mamografías, resaltando características claves y detectando áreas con alta probabilidad de anomalías que podrían derivar en cáncer de mama. La detección de microcalcificaciones sigue siendo un desafío clínico, debido a su tamaño que oscila entre 0.1 y 1 mm de diámetro, densidad similar a otros tejidos circundantes ocasionando superposición, formas o estructuras variadas y la presencia de ruidos o artefactos en las mamografías que pueden interferir con su detección. Este estudio aborda los desafíos mencionados anteriormente y presenta una metodología robusta, fácil de manejar y de libre acceso para la segmentación automática de microcalcificaciones. Se utilizan diversos algoritmos de mejora de características y técnicas de procesamiento de imágenes en cascada para la segmentación automática. Posteriormente, los resultados obtenidos se comparan con una máscara de referencia marcada por un especialista, utilizando como métrica de evaluación el coeficiente Sørensen-Dice. Este enfoque permite evaluar la eficiencia de la metodología propuesta, obteniendo un coeficiente Dice de 0.68 (68% de coincidencia entre los conjuntos), lo que resalta la eficacia de la metodología propuesta.