Detección de anormalidades en mastografías digitales usando el proceso KDD

Abstract

El cáncer de mama es la neoplasia más frecuente en las mujeres y se maní fiesta en un crecimiento no controlado de células malignas en el tejido mamario. La mastografía o mamografía es un método para detectar anormalidades en la mama. El problema que se aborda en esta investigación es la disminución de falsos negativos, que son los tumores que, si existen, pero que no son detectados por el especialista en una mastografía. Como aporte de esta investigación, se propone el uso del proceso de descubrimiento en bases de datos KDD (Knowledge Discovery in Databases) para detectar anormalidades en mastografía digitales. Dentro del proceso KDD se utiliza, para filtrar las imágenes mastografía cas, el método de Mejia, el cual busca obtener, en una nueva representación de la imagen, la extracción de las características que son difíciles de visualizar y procesar en la imagen original (Mejia et al., 2009). Y para la detección se utiliza el clasi cador Decorate, el cual se basa en una construcción de conjuntos de clasi ficadores mediante el uso de ejemplos de entrenamiento arti faciales (Witten y Frank,2005). Las pruebas arrojan 95% de instancias correctamente clasificadas, estos resultados son altamente esperanzadores, ya que su impacto se traduce en que a una persona se le puede detectar a tiempo alguna anormalidad cancerígena y recibir tratamiento oportuno.