Clasificación de nevus mediante el cálculo de la dimensión fractal y el análisis armónico del contorno extraído de imágenes multiespectrales

Abstract

La implementación de algoritmos que permiten clasificar imágenes provenientes de dermatoscópios digitales con el propósito de mejorar los procesos de detección temprana de melanomas, es un aspecto clave en la solución de la problemática existente en muchos centros hospitalarios dentro y fuera del país. En este sentido, se desarrolló una herramienta prototipo que permite la clasificación de imágenes multiespectrales de nevus, tomando como referencia previa el valor de la dimensión fractal y posteriormente haciendo uso de los coeficientes de Fourier; ambos cálculos fueron aplicados al contorno extraído de dichas imágenes. La validación de los cálculos que permitieron la distinción se hizo mediante un análisis de varianza para el caso de dimensión fractal, lo que permitió mostrar la diferencia estadística de los valores de la dimensión asociados a los nevus. Por otro lado, se aplicó el análisis del discriminante lineal a los coeficientes d el Fourier d el c ontorno y a sí lograr una clasificación prematura haciendo uso del aprendizaje de máquina. Este estudio, logra develar una evidente potencialidad en lo concerniente a los parámetros dimensión fractal y coeficientes de Fourier como elementos siginificativos que pudieran incorporarse al desarrollo futuro de clasificadores de nevus, con el propósito de facilitar el diagnóstico de las lesiones melanocíticas de la piel y la definición de malignidad.

The implementation of algorithms that allow classifying images from digital dermatoscopes with the purpose of improving the early detection of melanomas, is a key aspect in the solution of the problems that exist in many hospital centers inside and outside the country. In this sense, a prototype tool was developed that allows the classification of multispectral images of nevi, taking as a previous reference the value of the fractal dimension and later making use of the Fourier coefficients; both calculations were applied to the contour extracted from said images. The validation of the calculations that allowed the distinction was made through an analysis of variance for the case of fractal dimension, which allowed to show the statistical difference of the values of the dimension associated with the nevi. On the other hand, the analysis of the linear discriminant was applied to the Fourier coefficients of the contour and thus achieve a premature classification using machine learning. This study succeeds in revealing an evident potentiality regarding fractal dimension parameters and Fourier coefficients as significant elements that could be incorporated into the future development of nevus classifiers, with the purpose of facilitating the diagnosis of melanocytic lesions of the skin and the definition of malignancy.