Acceso usuarios
Cuba
El análisis de masas y tumores en mamografía es un problema difícil porque los signos del cáncer pueden ser mínimos o estar superpuestos en el tejido. Las técnicas de procesamiento de imágenes pueden mejorar el diagnóstico reduciendo los costos. La detección de masas es un reto debido al bajo contraste y la pobre definición de los bordes. Una solución al problema es representar una masa mediante conjuntos difusos. En este trabajo se estudia la propuesta de Guliato et al. que plantean dos métodos de segmentación difusos. El primero determina el borde de una masa por crecimiento por regiones clásico, luego de un preprocesamiento difuso de la región de interés. El segundo es un método de crecimiento por regiones difuso. Estos métodos necesitan un píxel semilla y un umbral. En este trabajo se propone una selección automática del píxel semilla mediante la selección de píxeles muy correlacionados según la transformada wavelet de la imagen. Como medida de evaluación en la segmentación, se emplea la medida de ambigüedad definida por los autores citados. Con la selección de semilla propuesta se obtienen mejores resultados en la segmentación, respecto al uso de una semilla aleatoria.
The analysis of masses and tumors in mammography is difficult because developing signs of cancer may be minimal or masked by superimposed tissues. Image analysis techniques have the potential to improve the diagnostic accuracy of mammography, and reduce health-care costs. Detection of breast masses is a challenging problem due to low contrast and poor definition of their boundaries. An alternative to address this problem is to represent tumor or mass regions by fuzzy sets. In this paper, two methods of fuzzy segmentation proposed by Guliato et al. are studied. The first method determines the boundary of a mass by classic region growing after a fuzzy preprocessing step. The second method is a fuzzy region-growing method. This methods needs a seed pixel and a threshold. In this paper, we proposed an automatic selection of seed pixel based in high correlated pixels according to the wavelet transform of the image. We use measure of fuzziness as evaluation measure defined by cited authors. The results of own approach are better than using random seed pixel.
