Tesis "Detección de Lesiones de Mama en Ultrasonografías Mediante Descriptores de Textura Invariantes a Transformaciones de Intensidad"
Alumno: Bedert Abel Ruiz Ortega
Asesor: Dr. Wilfrido Gómez Flores
Sinodales: Dr. César Torres Huitzil y Dr. José Juan García Hernández.
Los sistemas de detección asistida por computadora (CADe) proveen un análisis computarizado de imágenes médicas para proporcionar la localización de regiones sospechosas como una segunda opinión, lo cual ayuda a los especialistas en el diagnóstico y toma de decisiones. El análisis de texturas para discriminar una lesión de mama de su fondo en una imagen de ultrasonido (US) se dificulta debido a las variaciones de intensidades entre distintas ultrasonografías. Para solventar dicho efecto, en esta tesis se propone un sistema CADe automático robusto a transformaciones de intensidad. Se evaluaron dos técnicas de transformación invariantes a cambios de intensidad, la primera basada en filtros de log-Gabor, mientras que la segunda utiliza la transformada ranklet. Además se incluyó el espacio original de los niveles de intensidad. Posteriormente, para cada técnica, se computaron descriptores de textura, generando tres espacios de características diferentes, los cuales fueron introducidos independientemente a un proceso de selección de características basado en el criterio de “mínima redundancia-máxima relevancia”. Después, a partir de un clasificador basado en el análisis lineal discriminante seguido de una etapa de postprocesamiento, se obtiene la lesión segmentada en la imagen de US. Para comprobar la efectividad del método propuesto, se utilizaron 544 imágenes de US divididas en 435 casos para entrenamiento y 109 casos para validación. Además el conjunto de validación se modificó mediante seis transformaciones de intensidad distintas. El análisis estadístico del desempeño de segmentación de lesiones con diferentes transformaciones de intensidad demuestra que al utilizar el espacio de los filtros de log-Gabor para la descripción de textura se mejora significativamente la salida obtenida del sistema CADe al compararlo con el espacio original de la escala de grises.
--------------------------------------------------------------------------------------
Computer-aided detection (CADe) systems provide computerized analysis of medical images, from which suspicious regions are detected as a second opinion to assist specialists in the diagnosis and decision making. To discriminate a breast lesion from its background on an ultrasound (US) image, using solely texture analysis, is difficult because of the variation of intensities among distinct ultrasonographies. In order to overcome such inconvenience, an automatic CADe system robust to intensity transformations is proposed herein. Two intensity-invariant transformation techniques were evaluated, the first one is based on log-Gabor filters, whereas the second one uses the ranklet transform. Additionally, the original gray-scale space was included. Thereafter, texture descriptors were computed for each technique to generate three different feature spaces, which were independently introduced to a feature selection process based on the criterion of “minimum redundancy-maximum relevance”. Next, from a linear discriminant analysis classifier followed by a post-processing stage, the lesion is segmented in the US image. To measure the effectiveness of the proposed method, a dataset with 544 US images was divided in 435 cases for training and 109 cases for testing. Besides, the test set was modified by six distinct intensity transformations. The statistical analysis of lesion segmentation performance with different intensity transformations demonstrated that texture description based on log-Gabor filters improves significantly the CADe