Herramienta de software para la detección de la Esteatosis Hepática en imágenes médicas

Abstract

La esteatosis hepática (EH) es una de las enfermedades difusas del hígado caracterizada por un desequilibrio en la síntesis hepatocítica de triglicéridos a partir de ácidos grasos. El objetivo de este trabajo es detectar esta patología aplicando técnicas de procesamiento digital de imágenes mediante el uso de imágenes tomográficas compuesto por sus fases: simple, arterial y venosa; y por imágenes de ultrasonido. La técnica de procesamiento de imágenes aplicada es la extracción de características de textura. Para ello se desarrolló un algoritmo en Matlab que consiste en seleccionar de la imagen médica un polígono que representa el hígado. Dicha región se subdivide en una cuadrícula con ventanas de tamaño 4x4. Posteriormente se calcula la matriz de co-ocurrencias y algunos parámetros de textura. Los atributos extraídos de imágenes de pacientes con EH se comparan con los atributos extraídos de imágenes de pacientes sanos mediante las técnicas de Máquinas de Soporte Vectorial de mínimos cuadrados (LSSVM) y Regresión Logística Binaria (RLB). La LSSVM fue entrenada con 12 pacientes sanos y 24 enfermos a través de los atributos obtenidos de imágenes provenientes de ultrasonido. Para la validación se generaron 7 muestras aleatorias conformadas por 5 pacientes sanos y 6 enfermos. En las imágenes tomográficas se consideró sólo la fase venosa, por presentar los mejores resultados de clasificación. La LSSVM fue entrenada con 4 pacientes sanos y 4 pacientes enfermos, y validados los resultados con 7 muestras aleatorias constituidas por 4 pacientes con esteatosis hepática y 2 pacientes sanos. Las mismas muestras fueron usadas para clasificar a los pacientes usando el modelo de RLB. Como resultado se obtuvo que la sensibilidad en ambos métodos fue mayor a 90% y la especificidad mayor a 66.67% en ambas modalidades de imágenes. Y al comparar las dos técnicas se puede concluir que la RLB detecta mejor la EH y ambas técnicas coinciden con que la clasificación para las imágenes de US es superior que para la TC.