Segmentación de imágenes de células cervicales y evaluación de características para detección de lesiones neoplásicas

Cervix cells image segmentation and evaluation of features for cervical neoplasia detection

El cáncer cervical puede ser curado si se detecta y trata oportunamente, para ello la prueba Pap ha sido fundamental. En este contexto, una ayuda tecnológica puede reducir la naturaleza subjetiva del diagnóstico, pero existen dificultades en su construcción. Aquí abordamos dos de ellas: la identificación del citoplasma y el núcleo de cada célula, y la determinación de un conjunto de características relevantes para la detección de lesiones neoplásicas. En este artículo presentamos dos aportes. Primero se propone un método interactivo de segmentación basado en procesamiento morfológico multiespectral en el que las imperfecciones más engañosas de las imágenes son eliminadas con una interacción simple del analista. Segundo, se hace un análisis de la relevancia de algunas variables que caracterizan los tamaños relativos del núcleo y el citoplasma, sus formas, sus texturas y la rugosidad de sus bordes. El análisis se basa en las medidas de desempeño de un detector que utiliza extracción de características mediante análisis de componentes principales (PCA) y separación de células normales y lesionadas mediante una máquina de vectores de soporte (SVM). Encontramos que una mínima interacción con el médico permite obtener segmentaciones mucho más precisas y confiables. De otro lado, encontramos que las características más relevantes para detección de lesiones neoplásicas son los tamaños relativos del núcleo y del citoplasma y sus formas, mientras que otras características, como la textura y la rugosidad, son menos relevantes.

INTRODUCCIÓN

El cáncer cervical se puede curar si se detecta y trata oportunamente [1]. La prueba de frotis de Papanicolaou (o prueba Pap) [2] intenta detectar este cáncer, o cambios neoplásicos previos, de acuerdo con propiedades como el color, la forma y la textura del núcleo y del citoplasma en células cervicales [3]. Sin embargo, la observación de estas características desde la imagen original es un proceso altamente subjetivo, ya que los resultados del diagnóstico pueden verse afectados por aspectos como el nivel de cansancio o estrés del médico [4]. Por esta razón, sería muy útil contar con una ayuda tecnológica que haga este tipo de mediciones de forma automática y precisa, y que ofrezca al médico criterios objetivos para reducir la naturaleza subjetiva del diagnóstico. Sin embargo, aún existen muchas dificultades por resolver en la construcción de dicha herramienta. En este artículo nos referiremos a dos de ellas.

Primero, para tomar estas mediciones de manera confiable es necesario poder segmentar las imágenes de células cervicales para distinguir el fondo, el citoplasma y el núcleo. Dicha segmentación permitiría medir de manera automática las características de interés que hayan demostrado ser discriminantes para la detección de estas lesiones. Sin embargo, a pesar de los muchos estudios que se han realizado, la segmentación de este tipo de imágenes sigue siendo un problema no resuelto debido a factores como la coloración inconsistente, el bajo contraste, la superposición de células, los elementos del fondo, etc. [5].