Detección de nódulos pulmonares con radiografía de tórax a partir de análisis de componentes principales (ACP)

Abstract

El cáncer de pulmón es una de las principales causas de muerte por cáncer en todo el mundo. La radiografía de tórax constituye el examen de primera línea en la detección de nódulos pulmonares. Sin embargo, estas son difíciles de interpretar debido a problemas asociados al bajo contraste, la complejidad de la región torácica y las dimensiones pequeñas que pueden presentar los nódulos de pulmón. Los sistemas automáticos de diagnóstico asistidos por ordenador (CAD) han surgido como una herramienta de segunda opinión para el radiólogo, para incrementar la efectividad del diagnóstico y reducir la carga laboral. El presente trabajo propone el diseño de un sistema CAD para la detección de nódulos pulmonares, utilizando técnicas de aprendizaje automático. Primeramente, se realiza el pre-procesamiento de las imágenes, a partir de métodos como la convolución, el filtrado de normalización local y el filtrado homomórfico. Luego, la región pulmonar es segmentada mediante un método de umbralización y se determinan los candidatos a nódulos, utilizando un filtro de banda deslizante. Estos se segmentan, aplicando un algoritmo de umbral basado en la distancia adaptativa (ADT). A continuación, se reduce la dimensión del espacio de características, utilizando el método de análisis de componentes principales (ACP) y con estas se aplican los clasificadores análisis discriminante lineal (LDA) y bosque aleatorio (RF). Los algoritmos se entrenaron y validaron con imágenes de la base de datos JSRT, mostrando el mejor una sensibilidad del 86,6 % y una especificidad de 73,7 %. Se realizó una prueba externa, obteniéndose un 100 % de sensibilidad y 80 % de especificidad, lo que demuestra el poder de generalización del mejor modelo.