Revista de investigación de tumores
Acceso abierto

abstracto

Clasificación y segmentación de tumores de mama mediante máscara R-CNN en mamografías

Syed Kazim Raza, Syed Shameer Sarwar, Saad Muhammad Syed, Najeed Ahmed Khan

Propósito: El cáncer de mama ha causado más muertes en mujeres en comparación con cualquier otro cáncer que se pueda encontrar entre las mujeres. Dicho esto, esta investigación ha propuesto un método que puede detectar, clasificar y segmentar los diferentes tipos de tumores de mama. Este documento también ha discutido los diferentes métodos por los cuales el cáncer de mama ha sido clasificado y segmentado en el pasado.

Método: El cáncer de mama se puede detectar en sus primeras etapas mediante resonancia magnética y/o mamografía de los músculos de la mama. Para esta investigación se propone un enfoque novedoso para la detección, clasificación y segmentación del cáncer de mama. El marco propuesto utiliza mamogramas de mama de las imágenes DICOM CBIS-DDSM (Subconjunto de imágenes de mama seleccionadas de DDSM). Las mamografías son imágenes de radio de un músculo. Los datos DICOM han sido preprocesados ​​de tal manera que podrían incorporarse con un formato más tradicional, y luego los parches de las imágenes de la mamografía se han extraído y finalmente se han introducido en la red neuronal de la máscara RCNN.

Resultados: El resultado del enfoque es que el marco propuesto es capaz de localizar el tumor canceroso, incluso cuando se ha desarrollado en varias regiones, lo que lo convierte en un clasificador de varias clases. El marco también puede clasificar si el tumor es benigno o maligno, así como segmentar la región del tumor canceroso con una anotación de píxeles. La precisión media observada es de alrededor del 85 % en los casos de prueba, con un valor de precisión de 0,75, un recuerdo de 0,8 y una puntuación F1 de 0,825.

Conclusión: El marco propuesto es rentable y puede utilizarse como una herramienta de ayuda para el radiólogo en la detección del cáncer de mama. En el futuro, el enfoque propuesto también se puede implementar en otros tumores cancerosos con fines de clasificación y segmentación.