Título
Diagnosis of breast cancer through the processing of thermographic images and neural networks
Autor
DANIELA MICHELLE REYNOSO ARMENTA
Colaborador
JORGE CASTRO RAMOS (Asesor de tesis)
MARIA DEL PILAR GOMEZ GIL (Asesor de tesis)
JOSE JAVIER BAEZ ROJAS (Asesor de tesis)
Nivel de Acceso
Acceso Abierto
Materias
Thermography - (TERMOGRAFÍA) Neural networks - (REDES NEURONALES) Deep learning - (APRENDIZAJE PROFUNDO) Breast cancer - (CÁNCER DE MAMA) Image processing - (PROCESAMIENTO DE IMÁGENES) Feature extraction - (EXTRACCIÓN DE CARACTERÍSTICAS) CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA - (CTI) FÍSICA - (CTI) ÓPTICA - (CTI) TRATAMIENTO DIGITAL. IMÁGENES - (CTI)
Resumen o descripción
Currently the standard method of breast cancer screening is the mastography, a study commonly available for women of 40 years and older, because the skin and tissue becomes thinner over time, allowing X-rays to pass through the breasts and obtain images of any anomalies that may arise. Being an invasive and radioactive technique, it is not comfortable for patients and therefore no regular consultations are done, thus avoiding early diagnosis and timely treatment. In addition to the above, women outside the age range for performing a mastography are unprotected, due to this, alternative detection methods have been sought.
In this work we propose a method to support an early diagnosis of breast cancer through the processing of thermographic images and the use of artificial neural networks. Thermomastography is an innocuous test based on infrared radiation emitted by the body; it is painless, effective, economical and fast. Our proposal is to correlate a private database of clinical reports of patients obtained with usual and accepted techniques, such as the mastography and biopsy, with the database of the same patients but using their thermal imaging and thermographic classification, in this way a neuronal algorithm could support a medical expert in the diagnosis of cases not visible without such aid. We present the result obtained for the classification of two and three classes of cancer risks, using the combination of various classification techniques; the neural network algorithms used were R-CNN for Object Detection and Neural Network for Pattern Recognition. With respect to image processing, we included Fourier Transform for pattern analysis, and statistics based on intensity levels differences between both breasts. The final aim of this research is eventually not just to warn if a patient could present cancer or not, but to inform about a thermal classification indicating the possible presence of abnormalities, to avoid future problems or to keep such patient under surveillance.
En la actualidad el método estándar de detección de cáncer de mama es la mastografía, estudio comúnmente disponible para mujeres de 40 años en adelante, debido a que la piel y el tejido graso se adelgaza con el paso del tiempo, permitiendo a los rayos x atravesar las mamas y obtener imágenes de cualquier anomalía que pudiera presentarse. Al ser una técnica invasiva y radiactiva, no es del agrado de los pacientes y por esto no se hacen consultas regulares, evitando así un diagnóstico temprano y un tratamiento oportuno. Además de lo antes mencionado, las mujeres fuera del rango de edad para realizarse una mastografía quedan desprotegidas, debido a esto se han buscado métodos alternos de detección.
En este trabajo proponemos un método para apoyar un diagnóstico precoz de cáncer de mama mediante el procesamiento de imágenes termográficas y el uso de redes neuronales artificiales. La termomastografía es una prueba inocua basada en la radiación de rayos infrarrojos que emite el cuerpo, es indolora, eficaz, económica y rápida. Nuestra propuesta es correlacionar una base de datos privada de informes clínicos de pacientes obtenidos con técnicas habituales y probadas, como mastografía y biopsia, con la base de datos de los mismos pacientes pero usando sus imágenes térmicas y clasificación termográfica, de esta manera un algoritmo neuronal podría encontrar patrones que por simple vista un experto médico no pudiera notar.
Presentamos el resultado obtenido para la clasificación de dos y tres clases de riesgos de cáncer, utilizando la combinación de diferentes técnicas de clasificación; los algoritmos de redes neuronales usados fueron R-CNN para detección de objetos y redes neuronales de reconocimiento de patrones. Respecto al procesamiento de imágenes, se incluyó la transformada de Fourier para el análisis de patrones, y estadísticas basadas en las diferencias de niveles de intensidad entre ambos senos. El objetivo final de esta investigación es no sólo advertir si un paciente puede presentar cáncer o no,
es sino informar sobre una clasificación térmica que indica la posible presencia de anomalías, para así evitar futuros problemas o mantener a dicho paciente bajo vigilancia.
Editor
Instituto Nacional de Astrofísica, Óptica y Electrónica
Fecha de publicación
13 de diciembre de 2017
Tipo de publicación
Tesis de maestría
Versión de la publicación
Versión aceptada
Recurso de información
Formato
application/pdf
Idioma
Inglés
Audiencia
Estudiantes
Investigadores
Público en general
Sugerencia de citación
Reynoso-Armenta DM
Repositorio Orígen
Repositorio Institucional del INAOE
Descargas
1244