EVALUACIÓN Y CLASIFICACIÓN DE LAS IMÁGENES DE CÉLULAS DEL CÉRVIX USANDO RASGOS DE TEXTURAS Y MORFOLÓGICOS / EVALUATION AND CLASSIFICATION OF THE IMAGES OF CELLS OF THE CERVIX USING TEXTURAL AND MORPHOLOGICAL FEATURES
Palavras-chave:
células del cérvix, clasificación, normal y anómala, rasgos morfológicos, rasgos de textura.Resumo
El análisis de imágenes de células del cervix extraídas a través de la citología cervical es utilizado para la detección de anormalidades en las células, así como el estadio en que se encuentra el carcinoma detectado. En este articulo se presenta una evaluación experimental para la clasificación de las células cervicales en las condiciones normal y anómala, basándose solamente en las características extraídas de la región ocupada por el núcleo, sin hacer uso de las características del citoplasma y utilizando como atributos de entrada lo rasgos morfológicos y de texturas. Las técnicas de clasificación fueron realizadas por los algoritmos, Máquinas de Soporte Vectorial (MSV), los clasificadores de k vecinos más cercanos (kNN), árboles de decisión generados mediante C45, las técnicas estadísticas de clasificación como Regresión Logística y el perceptrón multicapa o MLP (Multi-Layer Perceptron). Este trabajo tiene como objetivo comparar los resultados de los algoritmos de clasificación de células cervicales en imágenes digitales usando como atributos de entrada rasgos morfológicos y rasgos de textura.
Downloads
Referências
ARZUAGA-SALAZAR, M. A., SOUZA, M. de L. de y AZEVEDO LIMA, V. L. de. (2012). El cáncer de cuello de útero: un problema social mundial. Rev. Cuba. Enferm., vol. 28, n.o 1, pp. 63-73.
BETANCOURT, G. A. (2005). Las máquinas de soporte vectorial (svms). Sci. Tech., vol. 1, n.o 27.
CLEOPHAS, T. J. y ZWINDERMAN, A. H. (2017). Data Mining for Visualization of Health Processes (150 Patients with Pneumonia). En Machine Learning in Medicine-Cookbook Three, Springer, pp. 3-14.
GARCÍA C. y GÓMEZ, I.(2012). Algoritmos de aprendizaje: KNN & Kmeans. Documento.
GARCÍA, S., LUENGO, J. y HERRERA, F. (2015). A Data Mining Software Package Including Data Preparation and Reduction: KEEL. En Data Preprocessing in Data Mining, Springer, pp. 285-313.
MARTÍNEZ, J. C. y Pimenteli, M. G. (2015). Citologías alteradas y diferentes factores de riesgo para el cáncer cervicouterino Altered cytology and different risk factors of cervical uterine cancer. Rev. Cienc. MÉDICAS HABANA, vol. 21, n.o 2.
HUANG, P.-C…[et al.](2008). Quantitative assessment of Pap smear cells by PC-based cytopathologic image analysis system and support vector machine. En International Conference on Medical Biometrics, 2008, pp. 192-199.
LÓPEZ, V…. [et al.] (2013). An insight into classification with imbalanced data: Empirical results and current trends on using data intrinsic characteristics., Inf. Sci., vol. 250, pp. 113-141.
MARTÍNEZ PINILLO, A. …et al. (2010). Análisis de los principales factores de riesgo relacionados con el cáncer cérvico uterino en mujeres menores de 30 años. Rev. Cuba. Obstet. Ginecol., vol. 36, n.o 1, pp. 52-65.
PALOMINO, N. L. S. y CONCHA, U. N. R. (2009). Técnicas de segmentación en Procesamiento digital de imágenes. Rev. Investig. Sist. E Informática, vol. 6, n.o 2, pp. 9-16.
SALVÁ, A. R y GARCÍA, A. M. (2001). El registro nacional de cáncer de Cuba. Procedimientos y resultados. Rev. Bras. Cancerol., vol. 47, n.o 2, pp. 171-77.
SOTOLONGO, D. (2010). Combinación de forma y textura para el análisis del cáncer de mama.
.
