El cáncer de mama es el principal tumor maligno en las mujeres de todo el mundo. Actualmente el método más efectivo para combatirlo es el diagnóstico precoz a través de los programas de cribado de cáncer de mama. La mamografía no solo es útil en el diagnóstico precoz, sino que permite, hasta cierta medida, predecir el riesgo de desarrollar esta patología. Diversos estudios confirman que es posible extraer evidencias de la imagen de mamografía que ayuden a determinar el riesgo de cáncer. La mama se compone principalmente de tejido fibroglandular (tejido denso) y tejido graso. En este sentido se ha venido estudiando durante los últimos años el porcentaje de densidad (PD) de la mama, una característica que se relaciona directamente con el riesgo de cáncer. Además de la densidad, en trabajos más recientes también se ha estudiado la relación entre otros fenotipos extraídos de la imagen mamográfica y el riesgo de cáncer. En concreto se ha concluido que los patrones que forma tejido denso también están asociados a una mayor probabilidad de desarrollar cáncer de mama. Finalmente, la influencia de la susceptibilidad genética es otro factor importante de riesgo. En este último caso cabría decir que actualmente el cáncer de mama se considera una enfermedad compleja. En la presente propuesta se plantean metodologías de Visión Artificial, Reconocimiento de Formas y Aprendizaje Automático que permitan evaluar el riesgo de cáncer de mama a partir de imágenes de mamografía digital y genotipos.
cáncer de mama
mamografía digital
reconocimiento de formas
análisis de texturas
mujeres
Acción Estratégica en Salud (AES)
01/01/2016 - 31/12/2017
LLOBET AZPITARTE, RAFAEL
UNIVERSIDAD POLITECNICA DE VALENCIA
INSTITUTO TECNOLOGICO DE INFORMATICA
COM. VALENCIANA
VALENCIA
67,100 €