Estandarización de la característica de textura en la mamografía digital para mejorar la generalización entre...

Área de la Ciencia:

• Imágenes médicas
• Radiología
• La biofísica

Sus antecedentes:

• El análisis de la textura mamográfica es prometedor para la evaluación del riesgo de cáncer de mama.
• Las variaciones entre los sistemas de mamografía digital (DM) pueden afectar a los resultados del análisis de textura.
• La estandarización es crucial para las comparaciones entre sistemas fiables.

Objetivo del estudio:

• Para comparar las características de textura de dos sistemas de mamografía digital GE (2000D y DS).
• Desarrollar un marco metodológico para identificar y estandarizar los efectos inducidos por el sistema en el análisis de la textura.
• Identificar las características de la textura robustas a las diferencias inherentes del sistema para la evaluación del riesgo de cáncer de mama.

Principales métodos:

• Comparó los sistemas GE Senographe 2000D y DS utilizando un fantasma de pecho físico (Rachel).
• Se extrajeron 26 características de textura (histograma, co-ocurrencia, longitud de ejecución) de las imágenes de visión Cranio-Caudal (CC).
• Normalización aplicada de la puntuación z y parámetros variados de co-ocurrencia para la normalización.
• Se utilizó la prueba Kolmogorov-Smirnov (K-S) para identificar las características de la textura robusta (p>0,05).

Principales resultados:

• Se identificaron características de textura específicas que son resistentes a las diferencias entre los sistemas GE 2000D y DS.
• Demostrado que los pasos de estandarización pueden aliviar los efectos específicos del sistema en las características de la textura.
• El ensayo K-S distinguió efectivamente entre las características de textura dependientes del sistema y las independientes del sistema.

Conclusiones:

• Se estableció un marco metodológico para estandarizar el análisis de la textura en todos los sistemas de DM.
• El estudio proporciona una base para la selección de descriptores de textura generalizables para la evaluación del riesgo de cáncer de mama.
• Este enfoque mejora la fiabilidad del análisis de la textura en estudios multicéntricos o longitudinales.