Search

En el contexto de procesamiento de imágenes para detección de masas en mamografía, la textura es una característica clave para distinguir tejido anormal del normal. Recientemente un modelo de textura basado en mezcla de gaussianas multivariadas fue propuesto. El modelo produce imágenes que son mapas probabilísticos de la normalidad de la textura y fue propuesto como una ayuda de vi-sualización para diagnostico por médicos expertos. En este artículo la usabilidad de dicho modelo es estudiada para detección automática de masas. Una estrategia de segmentación es propuesta y evaluada en 79 casos de mamografía. In the context of image processing algorithms for mass detection in mammography, texture is a key feature to be used to distinguish abnormal tissue from normal tissue. Recently, a texture model based on a multivariate gaussian mixture was proposed, of which the parameters are lear-ned in an unsupervised way from the pixel intensities of images. The model produces images that are probabilistic maps of texture normality and it was proposed as a visua-lization aid for diagnostic by clinical experts. In this paper, the usability of the model is studied for automatic mass de-tection. A segmentation strategy is proposed and evaluated using 79 mammography cases.