Papel originalModelos de lesiones mamarias basados en imágenes mamarias tridimensionales de rayos X

Este trabajo presenta un método para la creación de modelos computacionales de lesiones mamarias con formas irregulares a partir de imágenes de Tomosíntesis Digital Mamaria (TMP) de pacientes o cadáveres mamarios e imágenes de Tomografía Computarizada (TC) de cuerpo entero. El enfoque incluye seis pasos básicos: (a) normalización de la intensidad de las imágenes tomográficas; (b) reducción del ruido de la imagen; (c) binarización del área de la lesión, (d) aplicación de operaciones morfológicas para disminuir aún más el nivel de artefactos; (e) aplicación de una técnica de crecimiento de regiones para segmentar la lesión; y (f) creación de un modelo final de lesión en 3D. El algoritmo es semiautomático, ya que la selección inicial de la región de la lesión y las semillas para el crecimiento de la región se realizan de forma interactiva. Se desarrolló en MATLAB una herramienta de software que realiza todos los pasos necesarios. El método se probó y evaluó analizando conjuntos anónimos de imágenes de pacientes de DBT diagnosticados con lesiones. Radiólogos experimentados evaluaron la segmentación de los tumores en los cortes y las formas de las lesiones en 3D obtenidas. Llegaron a la conclusión de que la delimitación de las lesiones era bastante satisfactoria. Además, en tres casos de DBT, los radiólogos realizaron una delineación de los tumores de forma independiente. En todos los casos, los volúmenes de anormalidad segmentados por el algoritmo propuesto eran menores que los delineados por los expertos. Los coeficientes de similitud Dice calculados para el algoritmo-radiólogo y el radiólogo-radiólogo mostraron valores similares. Se introdujo otro caso de tumor seleccionado en un modelo computacional de mama para evaluar recursivamente el algoritmo. La diferencia de volumen relativa entre el volumen tumoral real y el obtenido al aplicar el algoritmo sobre el volumen sintético del estudio de DBT virtual es del 5%, lo que demuestra el rendimiento satisfactorio del algoritmo de segmentación propuesto. La herramienta de software que desarrollamos se utilizó para crear modelos de diferentes anomalías mamarias, que luego se almacenaron en una base de datos para su uso por los investigadores que trabajan en este campo.