Fractales como una herramienta de asistencia al médico en la observación de mamogramas
Palabras clave:
dimensión fractal, fractales, mammografíaResumen
Las mamografías son ampliamente utilizadas para el diagnóstico de microcalcificaciones, nódulos y distorsiones arquitectónicas. Hay diferentes herramientas para segmentar e identificar lesiones sobre esas imágenes. El objetivo de este trabajo fue utilizar el espectro multifractal y la imagen alfa para la segmentación y la dimensión fractal, para clasificar la lesión como benigna o maligna. Se usaron 20 imágenes de mama densa, glandular y grasa de la base mini-MIAS, las cuales contenían masas, microcalcificaciones y distorsión arquitectónica. La dimensión fractal (método de contar cubos con umbral y prismas), el espectro multifractal (desde este, la imagen falfa puede ser segmentada), la imagen alfa y la imagen falfa fueron obtenidos. El procesamiento de las imágenes fue realizado con el softwareMATLAB2017a. El mejor contraste para la imagen falfa fue obtenido con un umbral de 0.3 y así la microcalcificaciones y las masas fueron segmentadas. Las masas espiculadas y la distorsión arquitectónica de mamas densas no fueron segmentadas satisfactoriamente. Con el método de prismas no fue posible clasificar las lesiones, en tanto con el método de cajas se observó que el valor de la dimensión depende de la mejora realizada a la imagen. El método más confiable es el del umbral y repitiendo metodología de un solo autor se logró la correcta clasificación. Finalmente, la imagen alfa podría ayudar al médico en el diagnóstico de una mama densa, glandular y grasa, y la dimensión fractal podría ser utilizada para clasificar las lesiones; no obstante, habría que probar con más imágenes usando un monitor de cinco megapíxeles.
Citas
Costa A. Hausdorff box counting fractal-dimension. Recuperado de https://bit.ly/3emYxR8
Don S., Chung D., Revathy K., Choi E., Min D. (2013). A New Approach for Mammogram Image Classification Using Fractal Properties. Cybernetics and Information Technologies, 12 (2), 69 – 83. doi:10.2478/cait-2012-0013.
Florindo, J. B. and Bruno O. M. (2018). Fractal Descriptors of Texture Images Based on the triangular Prism Dimension. Journal of Mathematical Imaging and Vision, 61(2), 140 – 159. doi: 10.1007/s10851-018-0832-y
IARC: International Agency for Research on Cancer. Recuperado de https://bit.ly/3HoLb3l
INC: Instituto Nacional del Cáncer. Recuperado de https://bit.ly/3qfoYxm.
De Goes Junior, E. S., Souza Oliviera, F. B., Ambrosio, P. E. (2014). Fractal dimension for characterization of focal breast lesions. 11th World Congress on Computational Mechanics (WCCM XI) 5th European Conference on Computational Mechanics (ECCM V) 6th European Conference on Computational Fluid Dynamics (ECFD VI) E. Oñate, J. Oliver and A. Huerta (Eds).
FracLab. Recuperado de https://bit.ly/3yYhFy7
Guo, Q., Shao, J, and Ruiz, V. (2009). Characterization and classification of tumor lesions using computerized fractal-based texture analysis and support vector machines in digital mammograms. Int J Comput Assist Radiol Surg, 4(1):11–25. doi: 10.1007/s11548-008-0276-8
Lefebvre F., Benali H., Gilles R., Edmond K., and Di Paola R. (1995). A fractal approach to the segmentation of microcalcifications in digital mammograms. Med Phys, 22, 381 doi: 10.1118/1.597473.
Maldebrot, B.B., 1983, La geometría fractal de la naturaleza, WH Freeman, Oxford.
Moisy F. (2008). Computing a fractal dimension with Matlab: 1D, 2D and 3D Box-counting. University Paris Sud.
Moisy F., Fractal dimension using the 'box-counting' method for 1D, 2D and 3D sets. Recuperado de https://bit.ly/3ekSwUR
Nguyen, T. (2021). Hausdorff (Box-Counting) Fractal Dimension with multi-resolution calculation MATLAB Central File Exchange. Recuperado de https://bit.ly/3yTm4m7
Rangayyan, R. M., and Thanh, M. N. (2006). Fractal Analysis of Contours of Breast Masses in Mammograms. J Digit Imaging 20: 223-237. doi: 10.1007/s10278-006-0860-9
Rangayyan, R.M., Prajna, S., Ayres, F., and Desautels, J. (2008). Detection of architectural distortion in prior screening mammograms using Gabor filters, phase portraits, fractal dimension, and texture analysis. Int J Computer Assisted Radiology and Surgery, 2(6): 347–361. doi:10.1007/s11548-007-0143-z
Razi, F.A. (2021). An Analysis of COVID-19 using X-ray Image Segmentation based Graph Cut and Box Counting Fractal Dimension, Telematika, 14(1), 25-32. doi:10.35671/telematika.v14i1.1217
Rodriguez Scarso, R. S. (2019) Clasificación de tejidos mediante la característica fractal de la imagen mamográfica. Tesis en la Universidad de Mendoza, Facultad de Ingeniería, Instituto de Bioingeniería.
Sankar, D., and Thomas, T. (2010). A new fast fractal modeling approach for the detection of microcalcifications in mammograms. Journal of Digital Imaging, 23(5), 538–546.
Shanmugavadivu, P., and Sivakumar, V. (2013). Fractal-Based Detection of Microcalcification Clústeres in Digital Mammograms, journal ArXiv.
arXiv:1304.8092
Stojić T. M., Reljin I., Reljin B. (2006). Adaptation of multifractal analysis to segmentation of microcalcifications in digital mammograms. Physica A: Statistical Mechanics and its Applications, 367, 494-508. doi:0.1016/j.physa.2005.11.030
Tourassi, G. D., Delong, D. M. and Floyd, C. E. Jr. (2006). A study on the computerized fractal analysis of architectural distortion in screening mammograms. Phys Med Biol, 51, 1299–1312. doi: 10.1088/0031-9155/51/5/018
Velanovich, V. (1996). Fractal Analysis of Mammographic Lesions: A Feasibility Study Quantifying the Difference Between Benign and Malignant Masses. Am J Med Sci, 311 (5), 211-214. doi: 10.1097/00000441-199605000-00003
Wikipedia. Recuperado de https://bit.ly/32eWex7
Zhang, P., Barad, H.S., and Martinez A.B. (1989). Application of Fractal Modeling to Cell Image Analysis, Proceedings of the IEEE Energy and Information Technologies in the Southeast, IEEE.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Rosana Pirchio
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.