Interpretation of Mammographic Using Fuzzy Logic for Early Diagnosis of
Breast CancerTrabajo de Investigacion, Presentación 2
EL7038-1 Introducción a la Teoría de Conjuntos Difusos y Sistemas Inteligentes
Profesor: Claudio Held.Estudiante: Alexis Yáñez.
Referencia Jorge R. Pérez-Gallardo, Beatriz Hernández-Vera,
Alberto A. Aguilar-Lasserre, Rubén Posada-Gómez. Instituto Tecnológico de Orizaba, Veracruz,
México. Presentado en 2008 Seventh Mexican
International Conference on Artificial Intelligence
Introducción Orientación de la ingeniería y sus
aplicaciones. Cancer de mamas principal causa de muerte
por cacer en mujeres mexicanas. Detección temprana de tumores es la clave
para el control sobre el cancer. Benignos o malignos, son clasificados en
base a su morfología Mamograías sujetas a interpretaciones
medicas, no son buenas para decidir sobre tumores malignos o benignos (biopsia)
Breast Imaging Reporting and Data System.(BI-RADS)
Acerca del Modelo Identificar posibles tumores en las
mamografías Basado en el conocimiento de
especialistas para construir reglas y variables adecuadas (difusas)
Utiliza la base de datos de mamografias (BI-RADS)
Principales Variables
Forma del Tumor: Sin Anomalía, Circular, Irregular o forma de Estrella
Calcificaciones: Granos de calcio microscopicos producidos por los tumores
Nivel de Gris (LOG): Nivel de Gris en la zona de interés (0-255)
Textura: Muy Homogeneo, Homogeneo, Poco Homogeneo
Simetría: Simetricas o Asimetricas
Funciones de membresia
Secuencia del Análisis de Imagen
CC: Cranio-Caudal MLO:Medio Lateral Oblique
Conjunto de Reglas Se divide el modelo en 2 partes. La primera Cuenta con 72 Reglas
que entregan las siguientes salidas: (1) Sin Lesion, (2)Lesion Benigna, (3), Lesion Maligna, (4) dudosos.
La segunda toma la salida anterior y comibnada con el valor de la calcificación entrega el resultado en base a las categorias del BI-RADS.
Fuzzy Logic Model
Resultados Se tomaron 3 conjuntos de igual número
de muestras de BI-RADS estos son: I)Posible Cancer II)Cancer Benigno III) No existe Tumor ni
Calcificaciones. Obteniendo un porcentaje de efectividad
para I) - 80% II) - 90% II) - 95%
Detección
Conclusiónes El desarrollo de este sistema es un
aporte para los radiologos que se puede implementar en hospitales con bajos recursos.
Las varaibles son las que utilizan los oncologos
Buen Rendimiento, Alternativa a otros metodos de clasificación.
Logra obtener resultados muy parecidos a los de BI-RADS
Futuro trabajo, agregar aspectos sociales de cada paciente