Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2597| Caracterización de masas en mamografías basado en aprendizaje automático para el desarrollo de una herramienta computacional asociada a la clasificación descrita por el BI-RADS | |
| Héctor Eduardo Zepeda-Reyes Hayde Peregrina-Barreto gabriela lopez | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Tumoral mass Mammography Machine learning Computational tool BI-RADS | |
| El cáncer de mama (CM) es la primera causa de muerte en mujeres en México y el mundo [1]. Las técnicas de cribado principales para el CM son la mamografía, el ultrasonido, la resonancia magnética [2]. El ultrasonido presenta la desventaja de no poder detectar tumores pequeños o en tejidos atípicos, también es una técnica que depende de la habilidad y experiencia del especialista y que las imágenes obtenidas por el ultrasonido son de una baja resolución [3]. Mientras que la resonancia magnética presenta el problema de requerimiento de gran inversión en equipos para los sistemas de salud lo que hace más complicado su implementación como método de cribado a gran escala [3]. Por todo esto la mamografía es la técnica de cribado por excelencia y preferida por los médicos especialistas. De hecho, la mamografía ha demostrado que realizada de manera óptima y temprana puede reducir la mortalidad en la población afectada hasta un 40% [4]. Sin embargo, esto se ha visto principalmente en países desarrollados donde se ha demostrado que el diagnóstico temprano de CM es fundamental para poder mejorar los indicadores de supervivencia en la población afectada [5], [6]. La mamografía ayuda a los especialistas a identificar la presencia de lesiones, determinar el diagnóstico y plantearle al oncólogo el mejor manejo médico con el aumento en la probabilidad de supervivencia [7]. Una vez que la mamografía es adquirida, los radiólogos se encargan de examinar las imágenes para identificar el tipo de lesiones mamarias presentes y determinar si son malignas o benignas. Para realizar esto los radiólogos emplean el estándar de oro Breast Imaging Reporting and Data Systems (BI-RADS) que contiene una descripción detallada de las características asociadas a lesiones benignas o malignas para su clasificación [8], [9] . El BI-RADS describe diversos tipos de lesiones en la mama como las que se encuentran asociadas la composición de la glándula mamaria, las masas, las asimetrías, las microcalcificaciones y las distorsiones de la arquitectura mamaria. Particularmente las masas mamarias se pueden presentar de forma sólida o en quiste. La detección y categorización temprana de masas es importante porque permite identificar la malignidad o benignidad de los tumores. De acuerdo al BI-RADS existen 6 categorías para la clasificación, sin embargo, la presencia de lesiones asociadas a masas mamarias se encuentra descritas para las categorías 3, 4 y 5 que indican la probabilidad de malignidad [10]. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 25-11-2024 | |
| Reporte | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Zepeda Reyes H. E., Peregrina Barreto, H., and López Armas G. C., (2024), Caracterización de masas en mamografías basado en aprendizaje automático para el desarrollo de una herramienta computacional asociada a la clasificación descrita por el BI-RADS, Reporte Técnico, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| OTRAS ESPECIALIDADES MÉDICAS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Reportes Técnicos en Ciencias y Tecnologías Biomédicas |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| ZAPEDARHE_RT684.pdf | 2.77 MB | Adobe PDF | Visualizar/Abrir |