Tesis "Clasificación de lesiones mamográficas a partir del modelado cuantitativo del léxico BI-RADS para masas"
Sustentante: Juanita Hernández López
Director: Dr. Wilfrido Gómez Flores, investigador Cinvestav Unidad Tamaulipas.
Sinodales: Dr. Wilfrido Gómez Flores, Cinvestav Unidad Tamaulipas; Dr. Hiram Galeana Zapién, Cinvestav Unidad Tamaulipas; Dr. Gregorio Toscano Pulido, Cinvestav Unidad Tamaulipas; Dr. Iván López Arévalo, Cinvestav Unidad Tamaulipas; Dr. José Juan García Hernández, Cinvestav Unidad Tamaulipas; Dr. Juan Humberto Sossa Azuela, Centro de Investigación en Computación del Instituto Politécnico Nacional; Dr. Aldo Rodrigo Mejía Rodríguez, Universidad Autónoma de San Luis Potosí.
Resumen:
Generalmente, los sistemas de diagnóstico asistido por computadora (CAD) para mamografía proporcionan una clasificación histopatológica en clases benignas y malignas sin proveer más información a los radiólogos con respecto a los criterios internos que el CAD considera para la clasificación de tumores. Por tanto, desde la perspectiva del diagnóstico médico, estos sistemas se consideran métodos de caja negra, lo que genera un problema de explicabilidad e interpretabilidad. Estos sistemas, denominados en esta tesis como sistemas CAD convencionales, se construyen bajo un esquema de reconocimiento de patrones típico; a partir de un único vector de características que representa la imagen de entrada, el sistema únicamente devuelve una etiqueta de clase. Sin embargo, no se proporciona información compatible con el lenguaje radiológico, que debería estar de acuerdo con el estándar BI-RADS (breast imaging-reporting and data system) para mamografías utilizado en radiología para describir y categorizar tumores. En esta tesis, se propone un conjunto de clasificadores para modelar el léxico BI-RADS para masas (forma, margen y densidad) para la clasificación histopatológica. El objetivo es obtener un nuevo vector de representación de las lesiones mamarias que explique los criterios internos considerados por el CAD para la clasificación. Se proponen dos sistemas CAD denominados CAD_TP y CAD_DA, que modelan el léxico BI-RADS para masas desde dos perspectivas diferentes: (1) modelado basado en la tendencia patológica (TP), y (2) modelado basado en descripción de atributos de forma, margen y densidad (DA). Los sistemas CAD propuestos se comparan con sistemas CAD convencionales y se comparan con el diagnóstico de un radiólogo. El conjunto de datos utilizado incluyó 1897 mamografías de la base de datos pública DDSM. Los resultados obtenidos indican una exactitud del 90% y 93% para los sistemas CAD_TP y CAD_DA, respectivamente. Ambos sistemas también logran los siguientes resultados de exactitud: 90% y 82% para la clasificación de forma, 90% y 86% para la clasificación de margen, y 82% y 70% para la clasificación de densidad. Los resultados de la comparación con sistemas CAD convencionales sugieren que los sistemas CAD propuestos son competitivos en desempeño de clasificación. En cuanto a la comparación frente al diagnóstico médico, se observa que los sistemas CAD propuestos superan la especificidad del 44% obtenida por el médico, alcanzando una especificidad del 93% y 94% para los sistemas CAD_TP y CAD_DA, respectivamente. Sin embargo, los sistemas CAD propuestos logran una sensibilidad del 90% y del 89%, inferior al 100% de sensibilidad obtenido por el médico. No obstante, los sistemas CAD propuestos proporcionan una segunda opinión objetiva sobre casos benignos, lo cual puede potencialmente reducir biopsias innecesarias en tumores benignos. Además, los esquemas CAD propuestos preservan las ventajas intrínsecas de los sistemas CAD convencionales y las mejoran al proporcionar información útil para la toma de decisiones de los especialistas.