Segmentación automática de lesiones patológicas.

Según la Organización Mundial de la Salud, el cáncer de mamas es el de mayor índice de mortalidad en mujeres mundialmente, reportándose en las últimas dos décadas un aumento de la mortalidad en países en vías de desarrollo. La mamografía es el método más empleado en la detección de esta penosa enfermedad; puesto que es una prueba que permite el diagnóstico en la fase preclínica. Por esta razón, los Sistemas de Diagnóstico Asistidos por Computadoras son de gran ayuda para la detección/clasificación de anormalidades en las imágenes de mamografías, ya que le proporcionan una ¿segunda opinión¿ al personal médico especializado. En este artículo se propone un método que combina técnicas de PDI y RNA, para la segmentación automática de lesiones patológicas en mamogramas y su corroboración mediante la clasificación con las Redes Neuronales FFBP, LVQ y la Red Probabilística. El algoritmo propuesto se validó con éxito en la base de datos de la Sociedad de Análisis de Imágenes de Mamografías. Se utilizaron además para la validación de los resultados funciones de comparación como la RDE y el C_Factor que nos dan una aproximación de cuan eficiente es el algoritmo de segmentación propuesto.