ES2847759T3 - Sistemas y métodos de detección del cáncer - Google Patents

Abstract

Un método implementado por ordenador para la detección y cuantificación del cáncer, que comprende: recibir una imagen médica por medio de una interfaz de comunicaciones de un dispositivo informático a través de una red de datos; analizar la imagen médica, con un procesador del dispositivo informático, para determinar un primer subconjunto de contornos en la imagen médica que satisfaga uno o más criterios; analizar, con el procesador, uno o más atributos geométricos y uno o más atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos sobre la base de contornos que satisfagan uno o más atributos de contraste y geométricos predeterminados; seleccionar, con el procesador, un tercer subconjunto de contornos a partir del segundo subconjunto de contornos que corresponda a calcificaciones potenciales, seleccionándose el tercer subconjunto de contornos sobre la base de contornos dentro del segundo subconjunto que satisfagan el primer criterio de calcificación; clasificar, con el procesador, los contornos incluidos en el tercer subconjunto de contornos sobre la base de una métrica de selección, teniendo en cuenta la métrica de selección una combinación de contraste e intensidad; agrupar, con el procesador, los contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas; seleccionar, con el procesador, calcificaciones de las estructuras anidadas que satisfagan los segundos criterios de calcificación; agrupar, con el procesador, las calcificaciones seleccionadas en agrupamientos basados en una o más de las calcificaciones vecinas y una escala de agrupamiento espacial; clasificar, con el procesador, los agrupamientos como benignos o como posible cáncer mediante la realización de uno o más de: un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos; y puntuar, con el procesador, los agrupamientos utilizando una función analítica de propiedades geométricas y de contraste de las calcificaciones dentro de cada agrupamiento, y las disposiciones espaciales de las calcificaciones dentro de cada agrupamiento.

Description

DESCRIPCIÓN

Sistemas y métodos de detección del cáncer

Referencia cruzada a solicitudes relacionadas

Esta solicitud reivindica prioridad con respecto a la solicitud de patente provisional estadounidense n° 62/236,168 presentada el 2 de octubre de 2015.

Campo

La presente divulgación se refiere en general a sistemas y métodos para detectar y cuantificar células cancerosas en tejido.

Antecedentes

El cáncer es una enfermedad que sigue matando a un enorme número de personas cada año y hay un número significativo de profesionales de la salud que se ocupan de varios aspectos del cáncer y su tratamiento. Actualmente, cuando existe una sospecha de cáncer, se puede recopilar información médica sobre el tejido, como una imagen médica, para el tejido afectado, donde un médico revisa la información médica para identificar posibles áreas en el tejido que pueden tener células cancerosas. Este análisis generalmente conduce a un diagnóstico completamente claro (si el médico no identifica ningún área) o a una recomendación para una biopsia del tejido con el fin de confirmar que las posibles áreas de células cancerosas son en realidad células cancerosas. En el contexto del cáncer de mama, la imagen médica consiste normalmente en una mamografía. Esta estrategia existente da como resultado un riesgo acumulativo de alrededor del 60% de un falso positivo y una tasa media de falsos negativos de alrededor del 20%. Un falso positivo puede resultar en que un paciente que no tenía cáncer tenga que soportar una biopsia dolorosa, invasiva e innecesaria. Un falso negativo puede resultar en que no se detecte el cáncer tan pronto como se podría haber detectado.

Existen otros sistemas que utilizan la detección asistida por ordenador para ayudar al médico a analizar imágenes médicas. Sin embargo, muchos de estos sistemas de detección asistidos por ordenador reducen realmente la precisión del análisis de las imágenes médicas, lo que resulta en un mayor número de falsos positivos y falsos negativos. Sigue existiendo la necesidad de mejorar los sistemas y métodos de detección y cuantificación del cáncer.

Compendio

Un método implementado por ordenador para la detección y cuantificación del cáncer puede incluir: recibir una imagen médica por medio de una interfaz de comunicaciones de un dispositivo informático a través de una red de datos; analizar la imagen médica, con un procesador del dispositivo informático, para determinar un primer subconjunto de contornos en la imagen médica que satisfaga ciertos criterios; analizar, con el procesador, atributos geométricos y atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos sobre la base de contornos que satisfagan atributos geométricos y de contraste predeterminados; seleccionar, con el procesador, un tercer subconjunto de contornos del segundo subconjunto de contornos que corresponda a calcificaciones potenciales, donde el tercer subconjunto de contornos se selecciona sobre la base de contornos dentro del segundo subconjunto que satisfagan los primeros criterios de calcificación; clasificar, con el procesador, los contornos incluidos en el tercer subconjunto de contornos sobre la base de una métrica de selección, donde la métrica de selección representa una combinación de contraste e intensidad; agrupar, con el procesador, los contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas; seleccionar, con el procesador, calcificaciones de las estructuras anidadas que satisfagan los segundos criterios de calcificación; agrupar, con el procesador, las calcificaciones seleccionadas en agrupamientos sobre la base de una o más de las calcificaciones vecinas y una escala de agrupamiento espacial; clasificar, con el procesador, los agrupamientos como benignos o como posible cáncer mediante la realización de un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos; y puntuar, con el procesador, los agrupamientos utilizando una función analítica de propiedades geométricas y de contraste de las calcificaciones dentro de cada agrupamiento, y las disposiciones espaciales de las calcificaciones dentro de cada agrupamiento.

Un sistema puede incluir un dispositivo informático que incluye una interfaz de red para comunicaciones sobre una red de datos y un motor de puntuación del cáncer que tiene un procesador y una memoria. El motor de puntuación del cáncer puede incluir una interfaz de red para las comunicaciones a través de la red de datos, donde el motor de puntuación del cáncer está configurado para recibir una imagen médica del dispositivo informático y la memoria está configurada para almacenar la imagen médica. El procesador puede configurarse para analizar la imagen médica, generar una puntuación del cáncer para la imagen médica y transmitir la puntuación del cáncer al dispositivo informático para su visualización en una interfaz de usuario del mismo. El análisis de la imagen médica puede incluir las etapas enumeradas más arriba para el método implementado por ordenador.

Estas y otras características, aspectos y ventajas de las presentes enseñanzas se entenderán mejor con referencia a la siguiente descripción, los ejemplos y las reivindicaciones adjuntas. Por el documento US2008/144945 se conocen un sistema, un producto de programa informático y un método implementado por ordenador para la detección y cuantificación del cáncer.

Breve descripción de los dibujos

Lo que antecede y otros objetos, características y ventajas de los dispositivos, sistemas y métodos descritos en la presente memoria serán evidentes a partir de la siguiente descripción de realizaciones particulares de la invención, tal como se ilustra en los dibujos adjuntos. Las figuras no están necesariamente a escala y, en cambio, se pone énfasis en la ilustración de los principios de los dispositivos, sistemas y métodos descritos en la presente memoria.

La Figura 1 ilustra un sistema de detección y cuantificación del cáncer en red.

La Figura 2 es un diagrama de flujo de un método para determinar una puntuación del cáncer.

La Figura 3 es un diagrama de flujo de un método para detectar y cuantificar el cáncer.

La Figura 4 muestra una imagen médica de calcificaciones en el tejido de un paciente.

La Figura 5 ilustra un ejemplo de un proceso de selección para un agrupamiento maligno de microcalcificaciones.

La Figura 6 ilustra un ejemplo de identificación de un agrupamiento de calcificaciones.

La Figura 7 es un gráfico que muestra un ejemplo de una fracción de empaquetamiento como una función de <A ⁱ >A ^méx para agrupamientos ejemplares.

La Figura 8 es un diagrama de flujo de un método para la detección y cuantificación del cáncer.

Descripción detallada

A continuación se describirán los ejemplos de forma más completa con referencia a las figuras adjuntas, en las que se muestran realizaciones preferidas. No obstante, lo anterior se puede realizar de muchas formas diferentes y no se debería interpretar como limitado a las realizaciones ilustradas expuestas en la presente memoria. Más bien, estas realizaciones ilustradas se proporcionan para que esta descripción transmita el alcance a los expertos en la técnica.

Se ha de entender que las referencias a elementos en singular incluyen elementos en plural, y viceversa, a menos que se indique explícitamente lo contrario o que esto quede claro en el texto. Las conjunciones gramaticales están destinadas a expresar todas y cada una de las combinaciones disyuntivas y conjuntivas de cláusulas conjuntas, oraciones, palabras y similares, a menos que se indique lo contrario o que esto quede claro por el contexto. Por tanto, se ha de entender que el término "o" generalmente significa "y/o", etc.

No se pretende que la mención de intervalos de valores en la presente memoria sea limitativa, refiriéndose en lugar de ello individualmente a cada uno de los valores y a todos los valores comprendidos dentro del intervalo, a menos que se indique lo contrario en la presente memoria, y cada valor individual dentro de dicho intervalo está incorporado en la memoria descriptiva como si se mencionara individualmente en la presente memoria. Las palabras "alrededor de", "aproximadamente", "sustancialmente" o similares, cuando acompañan a un valor numérico, deben interpretarse como una indicación de una desviación, como apreciaría un experto en la técnica, para operar satisfactoriamente para un objetivo deseado. Los intervalos de valores y/o valores numéricos se proporcionan en la presente memoria solo como ejemplos y no constituyen una limitación del alcance de las realizaciones descritas. El uso de uno cualquiera de los ejemplos y de todos ellos, o de un lenguaje ejemplar (por ejemplo, "tal como", o similares) proporcionado en la presente memoria, está previsto únicamente para ilustrar mejor las realizaciones invención y no plantea una limitación al alcance de las realizaciones. No se debe interpretar ninguna expresión de la memoria descriptiva como indicación de que algún elemento no reivindicado sea esencial para la puesta en práctica de las realizaciones.

En la siguiente descripción, se entiende que términos como "primero", "segundo", "superior", "inferior", "arriba", "abajo" y similares, son palabras de conveniencia y no deben interpretarse como términos limitativos.

En general, en la presente memoria se describen dispositivos, sistemas y métodos para la detección y cuantificación del cáncer por ordenador. Tal como se utiliza a lo largo de esta divulgación, la "detección" del cáncer puede incluir descubrir, en un grado o rango particular de certeza (que puede ser un grado/rango predeterminado, o un grado/rango según la práctica estándar de la industria), si hay (o no hay) células cancerosas presentes en una muestra de tejido. Por tanto, la detección puede incluir descubrir, afirmar, encontrar, destapar, desenterrar, revelar, exponer, etc., la existencia o ausencia de células cancerosas en una muestra, lo cual se puede representar en una imagen médica. Las células cancerosas pueden incluir células malignas o benignas. Como se usa a lo largo de esta divulgación, la "cuantificación" del cáncer puede incluir determinar, indicar o expresar la cantidad de células cancerosas en una muestra. La cantidad de células cancerosas puede incluir un número, intervalo o umbral específico de células, el tamaño de células o agrupaciones de células, etc. La cuantificación del cáncer puede incluir adicional o alternativamente generar una "puntuación" o "indicación" tal como se describe en la presente memoria. La cuantificación del cáncer puede incluir adicional o alternativamente la generación de un "grado" o "etapa" del cáncer.

En general, y a menos que se indique explícitamente o sea evidente por el contexto, la "detección" del cáncer puede incluirse en la "cuantificación" del cáncer y viceversa. Por ejemplo, en un aspecto, si se determina una cantidad de células cancerosas (es decir, una cuantificación), entonces se ha detectado cáncer. En otro aspecto, si se determina una determinada puntuación del cáncer, se ha detectado cáncer.

Aunque los dispositivos, sistemas y métodos descritos en la presente memoria generalmente describen la detección y cuantificación del cáncer, adicional o alternativamente los dispositivos, sistemas y métodos descritos en la presente memoria también pueden posibilitar la detección y cuantificación de otras enfermedades, células, anomalías fisiológicas y similares. Aunque ciertas realizaciones analizadas en la presente memoria describen la detección y cuantificación del cáncer para el caso de uso específico del cáncer de mama, los dispositivos, sistemas y métodos analizados en la presente memoria pueden adaptarse para detectar y cuantificar otros cánceres que incluyen, sin limitación, cáncer de cerebro, de pulmón, de hígado, de próstata, de hueso, cervical, de colon, leucemia, enfermedad de Hodgkin, de riñón, linfoma, oral, cutáneo, estomacal, testicular, de tiroides, etc. Además, aunque las realizaciones descritas en general en la presente memoria consisten en detectar y cuantificar el cáncer en imágenes médicas de tejido humano, las realizaciones pueden ser aplicables adicional o alternativamente al cáncer en animales, por ejemplo.

En general, los dispositivos, sistemas y métodos descritos en la presente memoria pueden utilizar análisis de imágenes médicas, que pueden automatizarse mediante el uso de diversos hardware y software tal como se describe en la presente memoria. Por tanto, las técnicas de análisis de imágenes médicas examinadas en la presente memoria pueden ser utilizadas para cuantificar el cáncer (por ejemplo, cáncer de mama) y/o para generar una cuantificación del cáncer. No obstante, se entenderá que las implementaciones analizadas en la presente memoria pueden generar adicional o alternativamente una cuantificación del cáncer basada en otros elementos de información médica sobre el tejido distintos de las imágenes tal como se describe en la presente memoria y pueden implementarse de otras formas, distintas a las descritas en la presente memoria, que están dentro del alcance de la divulgación. En una realización descrita más abajo, el sistema y el método de cuantificación del cáncer por ordenador se pueden utilizar para detectar y cuantificar el cáncer de mama en seres humanos cuando las imágenes médicas son mamografías.

Las implementaciones pueden proporcionar una cuantificación precisa del cáncer, que se puede utilizar de varias formas diferentes. Por ejemplo, una cuantificación precisa del cáncer se puede utilizar para una detección precisa del cáncer en un elemento de información médica, como una imagen médica, una detección temprana del cáncer, la tasa de crecimiento del cáncer o una predicción de la probabilidad de cáncer. Adicional o alternativamente, una cuantificación precisa del cáncer se puede utilizar para reducir el número de biopsias innecesarias (es decir, reducir los falsos positivos) y reducir el número de cánceres no diagnosticados (es decir, reducir los falsos negativos). Adicional o alternativamente, una cuantificación precisa del cáncer se puede utilizar para determinar el "grado" de un tumor, por ejemplo, una medida de la agresión de una forma específica de cáncer, si el cáncer está cambiando o permanece localizado (en algunos casos se puede querer dejar el cáncer solo en lugar de operar en función del grado del tumor), etc. Adicional o alternativamente, una cuantificación precisa del cáncer se puede utilizar para determinar cómo está afectando un tratamiento a las células cancerosas o está produciendo nuevas células cancerosas.

Además, los sistemas y métodos descritos en la presente memoria se pueden utilizar para determinar un tipo de cáncer; para evaluar a un médico, un turno, una clínica, un hospital o el desempeño de todo el sistema del personal de un centro médico; identificar falsos positivos y falsos negativos en una población de imágenes auditadas; formar a estudiantes y médicos para mejorar su eficacia; y ayudar a los clínicos, médicos, cuidadores y pacientes a comprender mejor las anomalías encontradas en las imágenes médicas. Los expertos en la técnica reconocerán otros usos de los presentes métodos y sistemas.

Los dispositivos, sistemas y métodos descritos en la presente memoria se pueden utilizar para generar una "puntuación" que cuantifique cualquier anomalía tisular. La puntuación también se puede designar en la presente memoria como "puntuación Q", "factor Q" o similares. Con respecto al cáncer, la puntuación del cáncer puede expresarse en cualquier nivel de granularidad adecuado o útil, como por ejemplo con categorías discretas (por ejemplo, canceroso, no canceroso, benigno, maligno, libre de cáncer, libre de tumores, etc.), o con una puntuación numérica, puntuación/calificación alfabética u otro indicador cuantitativo. Por ejemplo, la puntuación del cáncer puede ser una puntuación de dos estados (por ejemplo, cáncer detectado o libre de cáncer), una puntuación de tres estados (por ejemplo, cáncer detectado, libre de cáncer, desconocido), una puntuación de cinco estados (por ejemplo, desconocido, cáncer detectado, libre de cáncer, benigno, maligno), una cantidad limitada por rango (por ejemplo, una puntuación de 0-10, 0-100 o 0-1.000), o cualquier otra puntuación adecuada para cuantificar el cáncer con cualquier grado de granularidad deseado. Adicional o alternativamente, la puntuación del cáncer también se puede escalar. A modo de ejemplo, las anomalías tisulares pueden estar asociadas con una puntuación o similar, que puede basarse en una escala predeterminada, por ejemplo 0-100, donde ciertas anomalías benignas conocidas tendrían una puntuación cercana o igual a 0 y ciertas anomalías malignas conocidas detectadas en estadios avanzados tendrían una puntuación cercana o igual a 100 (o viceversa). En otro aspecto, la información sobre el cáncer puede ser multidimensional, de modo que múltiples aspectos pueden puntuarse independientemente. Se entenderá que la puntuación del cáncer puede cambiar para indicar que el cáncer es más probable a medida que las células cancerosas/el tumor crecen y la puntuación del cáncer también puede cambiar para indicar lo contrario cuando las células cancerosas/el tumor se reducen. Tal como se ha descrito más arriba, en una implementación, una puntuación del cáncer más pequeña indica un tumor benigno y una puntuación del cáncer más grande indica cáncer.

Como otro ejemplo, los dispositivos, sistemas y métodos descritos en la presente memoria se pueden utilizar para guiar a un radiólogo que analiza una imagen médica, o para preseleccionar, complementar, verificar, o reemplazar la revisión de un radiólogo. Por ejemplo, en el contexto del cáncer de mama, un radiólogo normalmente revisa cada mamografía. Se ha demostrado que de cada 100 mamografías de detección realizadas, el 10% se retira para procedimientos posteriores y, de ellas, solo el 5% tiene cáncer. Esto indica que la prevalencia de cáncer que actualmente encuentran los radiólogos en todas las mamografías es solo del 0,5%. En otras palabras, el 99,5% de las veces que se utilizan los métodos y técnicas actuales, los radiólogos no encuentran cáncer en la mamografía.

Por lo tanto, los dispositivos, sistemas y métodos descritos en la presente memoria se pueden utilizar para preseleccionar mamografías, puntuar las mamografías de acuerdo con una puntuación del cáncer tal como se describe en la presente memoria y/o identificar mamografías que indican que no hay anomalías o que solo muestran anomalías benignas conocidas (sin cáncer). A discreción del lector de imágenes médicas, las áreas indicadas de la imagen se pueden analizar de manera más eficiente para detectar la ausencia de cáncer. Por tanto, las implementaciones pueden generar una indicación de la ausencia de cáncer en ciertas imágenes médicas y es posible que el radiólogo no necesite revisar esas imágenes médicas con tanto detalle basándose en la indicación de ausencia de cáncer para la mamografía particular. Con esta preselección, en particular con la ayuda de los sistemas automatizados contemplados en la presente memoria, un radiólogo puede analizar de manera más eficiente un mayor número de mamografías.

Como otro ejemplo más, las implementaciones se pueden utilizar para generar una evaluación o predicción de la actividad de un cáncer para un paciente (por ejemplo, las implementaciones pueden determinar que un cáncer no crecerá significativamente o no ha crecido significativamente durante un período de tiempo), lo que se puede utilizar para determinar un tratamiento para el paciente en particular. A modo de ejemplo, un paciente con cáncer de próstata puede recibir una evaluación de que el cáncer no va a crecer significativamente en los próximos seis meses y el paciente puede optar por un plan de tratamiento menos invasivo.

En otro ejemplo se puede realizar un estudio retrospectivo mediante el cual los sistemas y métodos actuales se utilizan para analizar los hallazgos previos de un radiólogo para determinar si (y a qué velocidad) un radiólogo ha logrado o no detectar cáncer en una imagen médica, y si una puntuación del cáncer tal como se describe en la presente memoria es diferente de la evaluación del radiólogo. Además se puede determinar la tasa de falsos positivos y falsos negativos.

La Figura 1 ilustra un sistema de detección y cuantificación del cáncer en red. Como se muestra en la figura, el sistema 100 puede incluir una implementación cliente-servidor de un sistema de cuantificación del cáncer. El sistema 100 puede incluir uno o más dispositivos informáticos 102, cada uno de ellos utilizado por un usuario o un administrador para acoplar e interactuar con un componente especializado 106 a través de una red 104. Aunque se muestra una implementación cliente servidor/web del sistema 100, el sistema 100 también puede implementarse usando un modelo de software como servicio (SaaS), un ordenador independiente, soluciones basadas en tabletas y WiFi, y otras arquitecturas de ordenador.

El uno o más dispositivos informáticos 102 pueden incluir un dispositivo informático basado en procesador que tiene al menos un procesador 103, una memoria 105, almacenamiento persistente, una pantalla y circuitos de comunicación de modo que cada dispositivo informático 102 pueda comunicarse con el componente de especializado 106, mostrar una puntuación del cáncer generada, enviar elementos de información médica al componente especializado 106 o interactuar de otro modo con el componente especializado 106 u otro componente del sistema 100. Por ejemplo, el dispositivo informático 102 puede incluir, sin limitación, un dispositivo de teléfono inteligente, una tableta, un ordenador personal, un ordenador portátil, un dispositivo terminal, un teléfono celular y similares. En algunas realizaciones, el dispositivo informático 102 puede ejecutar una aplicación, tal como una aplicación de navegador o una aplicación móvil conocidas, que facilita la interacción del dispositivo informático 102 con el componente especializado 106. Adicional o alternativamente, el uno o más dispositivos informáticos 102 pueden incluir otros dispositivos, incluyendo, por ejemplo, dispositivos de cliente tales como un ordenador o sistema informático, una tableta, un teléfono móvil o cualquier otro dispositivo informático móvil o fijo.

El dispositivo informático 102 puede incluir una estación de trabajo de ordenador de mesa. Adicional o alternativamente, el dispositivo informático 102 puede consistir en cualquier dispositivo adecuado para interactuar con otros dispositivos a través de una red 104, como un equipo portátil, un ordenador de mesa, un asistente digital personal, una tableta, un teléfono móvil, un televisor, un descodificador, un ordenador portátil y similares. Adicional o alternativamente, el dispositivo informático 102 puede incluir un servidor o puede disponerse en un servidor, tal como cualquier servidor descrito en la presente memoria.

El dispositivo informático 102 se puede utilizar para cualquiera de las entidades descritas en la presente memoria. En ciertos aspectos, el dispositivo informático 102 puede implementarse usando hardware (por ejemplo, en un ordenador de mesa), software (por ejemplo, en una máquina virtual o similar), o una combinación de software y hardware. El dispositivo informático 102 puede ser un dispositivo autónomo, un dispositivo integrado en otra entidad o dispositivo, una plataforma distribuida en múltiples entidades o un dispositivo virtualizado que se ejecuta en un entorno de virtualización.

En general, el dispositivo informático 102 puede incluir un procesador 103, una memoria 105, una interfaz 124 de red, un almacén de datos y una o más interfaces de entrada/salida. Además, el dispositivo informático 102 puede incluir o estar en comunicación con periféricos y otros dispositivos externos de entrada/salida que podrían conectarse a las interfaces de entrada/salida.

El procesador 103 puede ser cualquier procesador u otro circuito de procesamiento capaz de procesar instrucciones para su ejecución dentro del dispositivo informático 102 o del sistema 100. El procesador 103 puede incluir un procesador de un solo subproceso, un procesador de múltiples subprocesos, un procesador de múltiples núcleos, etc. El procesador 103 puede ser capaz de procesar instrucciones almacenadas en la memoria 105 o en el almacén de datos.

La memoria 105 puede almacenar información dentro del dispositivo informático 102. La memoria 105 puede incluir cualquier memoria volátil o no volátil u otro medio legible por ordenador, incluyendo, sin limitación, una Memoria de Acceso Aleatorio (RAM), una memoria flash, una Memoria de Solo Lectura (ROM), una Memoria de Solo Lectura Programable (PROM), una PROM Borrable (EPROM), registros, etc. La memoria 105 puede almacenar instrucciones de programa, datos de programa, ejecutables y otro software y datos útiles para controlar el funcionamiento del dispositivo informático 102 y configurar el dispositivo informático 102 para realizar funciones para un usuario. La memoria 105 puede incluir varias etapas y tipos de memoria diferentes para diferentes aspectos del funcionamiento del dispositivo informático 102. Por ejemplo, un procesador puede incluir memoria incorporada y/o caché para un acceso más rápido a ciertos datos o instrucciones, y puede incluirse una memoria principal independiente o similar para expandir la capacidad de memoria según se desee. Todos estos tipos de memoria pueden formar parte de la memoria 105 como se contempla en la presente memoria.

La memoria 105 puede, en general, incluir un medio no volátil legible por ordenador que contiene código máquina que, cuando es ejecutado por el dispositivo informático 102 , crea un entorno de ejecución para un programa informático en cuestión, por ejemplo, un código que constituye el firmware del procesador, una pila de protocolos, un sistema de gestión de base de datos, un sistema operativo o una combinación de los anteriores, y/o un código que realiza algunas o todas las etapas mostradas en los diversos diagramas de flujo y otras descripciones algorítmicas mostradas en la presente memoria. Aunque se representa una única memoria 105, se entenderá que en el dispositivo informático 102 se puede incorporar de manera útil cualquier cantidad de memorias. Por ejemplo, una primera memoria puede proporcionar almacenamiento no volátil, tal como una unidad de disco para el almacenamiento permanente o a largo plazo de archivos y código incluso cuando el dispositivo informático 102 está apagado. Una segunda memoria, como una memoria de acceso aleatorio, puede proporcionar una memoria volátil (pero de mayor velocidad) para almacenar instrucciones y datos para ejecutar procesos. Puede usarse una tercera memoria para mejorar el rendimiento proporcionando una memoria de mayor velocidad físicamente junto al procesador 103 para registros, almacenamiento en caché, etc. El procesador 103 y la memoria 105 pueden complementarse con circuitos lógicos o incorporarse en los mismos.

La red 104 puede incluir una ruta de comunicaciones como una red por cable o inalámbrica que utiliza un protocolo de comunicaciones y un protocolo de datos, como HTTP o HTTPS y HTML o JSON o REST, para permitir que cada dispositivo informático 102 interactúe con el componente especializado 106. La red 104 puede ser una red por cable, una red informática inalámbrica, una red inalámbrica de datos digitales, una red celular inalámbrica de datos digitales o una combinación de estas redes que forme una vía entre cada dispositivo informático 102 y el componente especializado 106.

Adicional o alternativamente, la red 104 puede incluir cualquier red o redes de datos o interredes adecuadas para comunicar datos e información de control entre los participantes en el sistema 100. Esto puede incluir redes públicas como Internet, redes privadas y redes de telecomunicaciones como la Red Telefónica Pública Conmutada, o redes celulares que utilizan tecnología celular de tercera generación (por ejemplo, 3G o IMT-2000), tecnología celular de cuarta generación (por ejemplo, 4G, LTE. MT-Advanced, E-UTrA, etc.) o WiMax-Advanced (IEEE 802,16m)) y/u otras tecnologías, así como cualquiera de una variedad de áreas corporativas, áreas metropolitanas, campus u otras redes de área local o redes empresariales, junto con los conmutadores, enrutadores, concentradores, pasarelas y similares que podrían usarse para transportar datos entre los participantes en el sistema 100. La red 104 también puede incluir una combinación de redes de datos y no necesita estar limitada a una red estrictamente pública o privada. Cada uno de los participantes en el sistema 100 puede estar configurado con una interfaz 124 de red para comunicaciones a través de la red.

Un usuario 108 del sistema 100 puede ser un paciente, un médico, un radiólogo, una organización sanitaria, un analista de imágenes, un cliente y similares. El usuario 108 puede, utilizando el dispositivo informático 102, enviar uno o más elementos de información médica 108 para su cuantificación por el sistema 100 y/o recibir, desde el componente especializado 106, una puntuación de cuantificación del cáncer basada en los elementos de información médica 110 recibidos. El componente especializado 106 puede incluir un almacenamiento 112 acoplado al componente especializado 106 (por ejemplo, una memoria, una base de datos y similares) que puede almacenar diversos datos asociados con el sistema 100, incluyendo una pluralidad de elementos de información médica 110 que pueden usarse para generar una o más puntuaciones de cuantificación del cáncer, datos de usuario asociados con el sistema y similares. El almacenamiento 112 puede implementarse usando un sistema de almacenamiento conocido basado en software o hardware.

El componente especializado 106 puede implementarse usando uno o más recursos informáticos que incluyen, sin limitación, un procesador 114, una memoria 116, memoria/almacenamiento persistente y similares. A modo de ejemplo, cada recurso informático puede ser un servidor blade, un ordenador servidor, un servidor de aplicaciones, un servidor de base de datos, un recurso informático en la nube y similares. Cuando el sistema 100 se implementa como la arquitectura cliente-servidor tal como se muestra en la figura, el componente especializado 106 puede tener un servidor web 118 o similar que gestiona las conexiones e interacciones con cada dispositivo informático 102, genera código HTML para enviar a cada dispositivo informático 102, recibe datos de cada dispositivo informático 102 y similares. El servidor web 118 puede implementarse en hardware o software. Algunos ejemplos no limitativos de código incluyen HTML, JavaScript, Python, Java, C++ y similares. Los expertos en la técnica reconocerán otros lenguajes informáticos que pueden resultar útiles.

El componente especializado 106 puede incluir un motor 120 de puntuación del cáncer que analiza elementos de información médica 110 sobre tejido potencialmente canceroso. El motor 120 de puntuación del cáncer puede generar cualquier indicación de cáncer en cualquier zona de la imagen y puede generar una puntuación 122 de cáncer para cualquier zona de la imagen en la que haya una indicación de cáncer. El motor 120 de puntuación del cáncer puede recibir/obtener los elementos de información médica 110 sobre tejido potencialmente canceroso desde un dispositivo informático 102, a través de una red informática de un tercero, o desde el almacenamiento 112 del sistema 100. La puntuación 122 de cáncer puede transmitirse a través de la red 104, por ejemplo, para su visualización en uno o más dispositivos informáticos 102. El motor 120 de puntuación del cáncer puede implementarse en software o hardware. Cuando el motor 120 de puntuación del cáncer se implementa en software, el motor 120 de puntuación del cáncer (y sus componentes) puede comprender una pluralidad de líneas de código informático que pueden almacenarse en una memoria 116 y ejecutarse mediante un procesador 114 del componente especializado 106, de modo que el procesador 114 está configurado para realizar los procesos del motor 120 de puntuación del cáncer (y sus componentes) tal como se describe en la presente memoria. Cuando el motor 120 de puntuación del cáncer se implementa en hardware, el motor 120 de puntuación del cáncer (y sus componentes) puede comprender un microcontrolador, un dispositivo lógico programable, un circuito integrado específico de la aplicación u otro dispositivo de hardware, realizando el dispositivo de hardware los procesos del motor 120 de puntuación del cáncer (y sus componentes) tal como se describe en la presente memoria. El motor 120 de puntuación del cáncer puede incluir un algoritmo o una serie de algoritmos que ayuden a generar la puntuación 122 de cáncer tal como se describe en la presente memoria.

El o los elementos de información médica 108 pueden incluir una imagen médica. La imagen médica puede incluir una imagen de rayos X, por ejemplo, una mamografía y similares. Adicional o alternativamente, la imagen médica puede incluir imágenes de resonancia magnética (IRM), imágenes de exploración por tomografía computarizada (TC), imágenes de ultrasonido, etc. Estas imágenes se pueden mostrar en varios formatos, incluyendo, sin limitación, JPEG, PNG, TIFF y similares. Los expertos en la técnica reconocerán otros formatos de imagen útiles en las realizaciones descritas en la presente memoria.

En cambio, el sistema 100 puede implementarse como parte de una implementación informática autónoma de un sistema de detección y cuantificación del cáncer. En esta implementación, el motor 120 de puntuación del cáncer puede ejecutarse en uno de los dispositivos informáticos 102, por ejemplo mediante un procesador 103 y una memoria 105, sobre la base de uno o más elementos de información médica 110 almacenados en el dispositivo informático 102 o introducidos en el dispositivo informático 102. El dispositivo informático 102 puede tener una pantalla 126 y cualquier otro hardware adicional, incluyendo, sin limitación, dispositivos de entrada/salida como un teclado y un ratón, tal como se muestra. La pantalla 126 puede incluir una interfaz de usuario, por ejemplo, una interfaz gráfica de usuario. El dispositivo informático 102 también puede incluir el procesador y un dispositivo de almacenamiento persistente, como una memoria flash o una unidad de disco duro, y una memoria, como DRAM o SRAM, que están conectados entre sí. Cuando el dispositivo informático 102 se utiliza para implementar el sistema de cuantificación del cáncer y el motor 120 de puntuación del cáncer se implementa en software, la memoria 105 puede almacenar el motor 120 de puntuación del cáncer y un sistema operativo y el procesador 103 del sistema puede ejecutar una pluralidad de líneas de código informático que implementan el motor 120 de puntuación del cáncer, de modo que el procesador 103 del sistema informático esté configurado para realizar los procesos del motor 120 de puntuación del cáncer tal como se describe en la presente memoria.

El motor 120 de puntuación del cáncer puede, en general, recibir uno o más elementos de información médica 110 sobre tejido potencialmente canceroso de un paciente y, para cada pieza de tejido del paciente, generar una o más puntuaciones 122 del cáncer con respecto a una o más zonas de la pieza de tejido. La pieza de tejido puede incluir, sin limitación, cualquier pieza de tejido humano o cualquier pieza de tejido animal que pueda comprender células cancerosas.

La Figura 2 es un diagrama de flujo de un método para determinar una puntuación del cáncer. La puntuación del cáncer se puede generar o determinar mediante el motor de puntuación del cáncer. En general, el método 200 puede implicar procesar y analizar uno o más elementos de información médica para generar, en el caso de una imagen médica, una indicación de cáncer para una o más zonas de la imagen. Por ejemplo, como se describe con más detalle a continuación, el método 200 puede recopilar variables que son pertinentes al cáncer, analizar programáticamente el o los elementos de información médica para determinar valores de las variables, transformar estas variables para usarlas en la generación de una indicación o puntuación del cáncer, y después generar una indicación de cáncer basada en estas variables o una transformación de estas variables. En el caso de una imagen médica, un componente generador de puntuación del cáncer puede recibir las indicaciones de cáncer en una o más zonas de la imagen y generar una puntuación del cáncer para al menos una zona de la imagen. La puntuación del cáncer puede tener un valor que aumenta a medida que crece un tumor canceroso y disminuye a medida que se reduce un tumor canceroso. En algunas realizaciones, la puntuación del cáncer puede normalizarse y tener niveles de umbral de modo que, por ejemplo, una puntuación del cáncer normalizada de 1-3 indica un tumor benigno, una puntuación del cáncer normalizada de 4-6 indica células sospechosas y una puntuación del cáncer normalizada de 7-10 indica que el cáncer está presente en una o más zonas particulares de la imagen.

Como se muestra en la etapa 202, el método 200 puede incluir la recepción de uno o más elementos de información médica para su procesamiento y análisis. La información puede recibirse automáticamente usando un sistema en red, entregarse manualmente mediante CD-ROM, memoria USB o similar, introducirse manualmente y similares. Los expertos en la técnica pueden reconocer que existen otros métodos alternativos de transmisión y recepción de datos para su uso en los métodos y sistemas descritos en la presente memoria. La información médica puede incluir información sobre tejido de un paciente, por ejemplo, imágenes médicas del tejido. La información médica puede incluir datos preprocesados o en bruto, que luego se procesan y analizan mediante los sistemas o métodos descritos en la presente memoria. En un aspecto, el motor de puntuación del cáncer puede incluir un componente de análisis de información médica que recibe uno o más elementos de información médica, y entonces el motor de puntuación del cáncer procesa y analiza esta información. La información médica puede transmitirse automáticamente al motor de puntuación del cáncer mediante una entrada de serie temporal preprocesada de longitud desigual. Por ejemplo, el encabezado de un archivo DICOM puede contener información sobre la imagen que éste contiene, que incluye, pero no se limita a, la resolución de píxeles en unidades físicas, criterios para interpretar la intensidad de píxeles, etc.

Como se muestra en la etapa 204, el método 200 puede incluir analizar uno o más elementos de información médica sobre el tejido. Esto puede incluir la recopilación de valores de variables sobre la información médica (por ejemplo, una mamografía), donde la generación de la indicación de cáncer puede basarse en los valores de variables recopilados. Las variables pueden incluir un valor de intensidad para los contornos de cualquier calcificación, un gradiente de las calcificaciones, una o más características de cada calcificación y una estructura jerárquica de las calcificaciones en un agrupamiento.

Como se muestra en la etapa 206, el método 200 puede incluir generar una indicación de cáncer. A modo de ejemplo, la indicación de cáncer puede generarse para una o más zonas del tejido en las imágenes médicas.

Como se muestra en la etapa 208, el método 200 puede incluir generar una puntuación de cuantificación del cáncer. A modo de ejemplo, generar una puntuación de cuantificación del cáncer puede incluir generar una puntuación del cáncer para cada zona del tejido sobre la base de la indicación de cáncer en cada zona del tejido. La puntuación de cuantificación del cáncer puede indicar la ausencia de cáncer en la zona del tejido.

Como se muestra en la etapa 210, el método 200 puede incluir opcionalmente la generación de una guía para un profesional médico basada en una o más de las indicaciones de cáncer y la puntuación de cuantificación del cáncer. La guía puede incluir, por ejemplo, una guía para un radiólogo basada en la presencia o ausencia de cáncer en la zona del tejido. La guía se puede generar aplicando reglas basadas en el análisis de la información médica, la indicación de cáncer o la puntuación de cuantificación del cáncer.

Las implementaciones pueden utilizar uno o más algoritmos para detectar y cuantificar el cáncer a partir de la información médica suministrada al sistema. Por ejemplo, para detectar y cuantificar el cáncer de mama, el algoritmo puede detectar y cuantificar microcalcificaciones en imágenes de mamografías. En general, el algoritmo puede incluir (1) detectar y agrupar calcificaciones en agrupamientos, (2) clasificar tipos de agrupamientos benignos, (3) cuantificar agrupamientos que son potencialmente malignos con un 'factor Q' tal como se describe en la presente memoria, y (4) ahorrar cantidades de salida para evaluar el rendimiento. En una implementación, un primer algoritmo genera una indicación de cáncer y un segundo algoritmo genera una puntuación del cáncer.

La Figura 3 es un diagrama de flujo de un método para detectar y cuantificar el cáncer. El método 300 se puede realizar usando uno o más algoritmos tal como se describe en la presente memoria, o con la ayuda de un algoritmo. Por lo tanto, el método 300 puede ser realizado por un producto de programa informático que comprende un código ejecutable por ordenador no transitorio incorporado en un medio legible por ordenador no transitorio que, cuando se ejecuta en uno o más dispositivos informáticos, realiza las etapas del método 300. El método 300 puede realizarse en general sobre la base de uno o más elementos de información médica, por ejemplo, una o más imágenes, para detectar un objeto, área, zona, característica, punto de datos, elemento de información, etc., de interés (por ejemplo, una calcificación, lesión, masa, tumor y similares en una imagen médica).

Como se muestra en la etapa 302, el método 300 puede incluir la inicialización de un algoritmo. En esta etapa 302 se pueden declarar estructuras de memoria y se pueden establecer varios parámetros libres para un modelo. En un aspecto, las opciones de parámetros y modelo se distribuyen a lo largo del código de un dispositivo informático. En otro aspecto, todos los parámetros del modelo se establecen en un solo lugar durante la inicialización del algoritmo, junto con una descripción clara de cada parámetro, incluyendo la sección específica del código/algoritmo en la que se utiliza. Esto se puede proporcionar a través de una característica interactiva para un usuario, por ejemplo, una interfaz gráfica de usuario de un dispositivo de usuario. De esta manera, los parámetros pueden ser ajustados o introducidos por un usuario del método 300. En una versión no interactiva, simplemente se puede recibir un elemento de información médica, por ejemplo una sola imagen para analizar.

Como se muestra en la etapa 304, el método 300 puede incluir la lectura de datos. Los datos pueden incluir un encabezado y datos de imagen de Imágenes Digitales y Comunicación en Medicina (DICOM). El encabezado DICOM puede contener una variedad de información útil que incluye, sin limitación, el lado (es decir, izquierdo o derecho), orientación, vista, protocolo, fecha del procedimiento, etc., muchos de los cuales pueden estar enumerados en una convención de nombre de archivo. Esta información se puede extraer para que la utilice el algoritmo, por ejemplo para comparar los resultados de múltiples vistas o de una serie temporal de imágenes. Los ejemplos de etiquetas DICOM incluyen, sin limitación: (1) espaciado de píxeles (por ejemplo, etiqueta hexadecimal -(0028x, 0030x)), que puede ser útil para escalar la imagen en términos de dimensiones físicas reales (por ejemplo, mm), que puede calcular un 'factor Q' de manera coherente; (2) diagnóstico versus exploración (por ejemplo, etiqueta hexadecimal -(0032x, 1060x)), que puede permitir la inclusión o exclusión de imágenes de diagnóstico de los estudios; y (3) orientación del paciente (por ejemplo, etiqueta hexadecimal -(0020x, 0020x)), que puede permitir mostrar las imágenes de manera coherente, es decir, en la misma orientación que utilizan los radiólogos en sistemas típicos de diseño asistido por ordenador (CAD), que pueden resultar ventajosos cuando se devuelven datos de contorno para su visualización y/o análisis. Para lograr coherencia en el análisis, se puede asignar una orientación predeterminada (por ejemplo, para mamografías, donde el pezón apunta hacia la izquierda en todas las imágenes como es la norma de la industria). Como alternativa, se puede utilizar una orientación con una inscripción grabada mostrada/orientada correctamente.

Los datos de la imagen pueden leerse con ni x n2 elementos y convertirse en una matriz real de intensidades de 4 bytes /(ni, n2) para el contorneo como una etapa final para los datos de lectura.

Como se muestra en la etapa 306, el método 300 puede incluir calcular contornos para la imagen. Para esta etapa 306, en primer lugar se pueden seleccionar los niveles de intensidad para el contorneo, de lo que ahora se describirá un ejemplo. Normalmente, la información lateral y de vista se graba en una imagen al 100% de la máxima intensidad posible, mientras que los niveles de intensidad dentro del tejido en la imagen pueden ser significativamente menores que este valor máximo. Para escalar los contornos de una manera coherente, la escala de intensidad máxima se puede definir como /escala = máx[/(xi , X2)] dentro del tejido (es decir, excluyendo la zona grabada). A modo de ejemplo, en un aspecto se puede seleccionar el siguiente conjunto de contornos:

1= (0.05, 0.075, 0.10, ... -> 0.70)4scaia-> 27niveles,

(0.71, 0.72, 0.73, ...->0.99 )Iescaia ^29 niveles, (Ec. 1)

para un total de 56 niveles. Este conjunto puede proporcionar una cantidad suficiente de contornos para trabajar con la mayoría de imágenes médicas. Si bien los algoritmos de contorneo pueden devolver todos los contornos dentro de un dominio dado, aquí, una implementación puede estar interesada solo en mantener un subconjunto de contornos que incluyen contornos que están (a) cerrados y (b) en los que el valor del contorno es mayor que el área circundante exterior. Este puede ser el primer criterio de selección de contorno identificado en el método 300. Por ejemplo, después del contorneo de la imagen, los bucles cerrados que se encuentran pueden ser de dos tipos posibles:

(1) el valor del contorno es mayor que los valores circundantes en la imagen (es decir, dichos contornos encierran un punto brillante y posibles calcificaciones); O

(2) el valor del contorno está por debajo de los valores circundantes en las imágenes (es decir, dichos contornos encierran una zona más oscura, que puede descartarse).

El algoritmo solo puede seleccionar el subconjunto de contornos del primer tipo.

Como se muestra en la etapa 308, el método 300 puede analizar después los datos para determinar si hay contornos cerrados y/o si el valor del contorno es mayor que el área circundante exterior. Si los contornos no cumplen estos criterios, pueden descartarse tal como se explica más abajo.

Como se muestra en la etapa 310, el método 300 puede incluir descartar los contornos que no cumplan el criterio deseado, por ejemplo, contornos que no estén cerrados.

Como se muestra en la etapa 312, el método 300 puede incluir analizar la geometría y el contraste de los contornos, por ejemplo, los contornos cerrados que no han sido descartados por la etapa anterior. El contorneo de una imagen (por ejemplo, una mamografía) con los niveles de intensidad proporcionados más arriba puede dar como resultado 105 ^ 106 contornos cerrados, la mayoría de los cuales no corresponden a estructuras claras de interés. Para identificar los contornos que corresponden a calcificaciones, masas u objetos externos, el método 300 puede evaluar las siguientes características geométricas y de contraste de cada uno de los contornos cerrados anteriormente calculados, proporcionándose cada uno de los siguientes a modo de ejemplo y no de limitación:

1. Centroide ^ xi, X2

2. Área ^ A

3. Perímetro ^ P = $|cM

Relación de círculo ^— ^ ^{C relació n ~}

^— 0 — ^ 1

4. para un círculo perfecto

5. Intensidad ^ l ^o en la ubicación del centroide

6. Contraste interior ^ C ^{n t} = l ^o / I donde I es el valor del contorno

7. Contraste exterior ^ Cext = l ^o / (lext) donde (lext) es la intensidad media fuera del contorno

Escala de gradiente

8.

9. Indicador interior: ignorar los contornos que estén demasiado cerca del borde del tejido en la imagen. Como se muestra en la etapa 314, el método 300 puede incluir detectar un objeto, por ejemplo, detectar un objeto en la imagen. El objeto puede ser un objeto externo u otras zonas en las que la detección puede ser beneficiosa, por ejemplo, para la exclusión en un análisis mediante el algoritmo. Por ejemplo, una imagen puede incluir objetos externos, como implantes o pinzas de diagnóstico. Además, algunas imágenes pueden incluir zonas con un contraste excepcionalmente pobre. A menudo hay contornos a pequeña escala dentro del interior de estas zonas, que pueden aparecer como calcificaciones en el algoritmo y, por lo tanto, desencadenar falsos positivos. Por lo tanto, estas zonas pueden detectarse y excluirse de la consideración. Así, en un aspecto, el algoritmo puede configurarse para encontrar una o más de dichas zonas en cada imagen, por ejemplo sobre la base de los siguientes criterios de selección de contorno:

A _ 800 mm2 ¡ y / _ 0-^ Isccescala y Crelación 0.22 . (Ec 2) correspondiente a grandes zonas brillantes con límites bastante suaves. Para las imágenes que tienen objetos, varios contornos pueden satisfacer estos criterios y, por lo general, los mismos estarán anidados entre sí. Para encontrar el contorno que mejor se aproxima a la forma del objeto, se puede seleccionar el contorno que maximiza el producto triple AlCreiación de estos criterios de selección. En la mayoría de los casos, es posible que no sea necesario encontrar el límite preciso, ya que el método 300 puede simplemente intentar excluir el área interior donde pueden formarse falsos positivos. En algunas imágenes, los falsos positivos se forman justo fuera del objeto y, por lo tanto, se puede agregar una zona tampón para excluir píxeles inmediatamente alrededor del objeto.

Como se muestra en la etapa 316, el método 300 puede seleccionar entonces contornos para descartar (etapa 318) o mantener (etapa 320).

Los contornos pueden ser los contornos calculados más arriba, que luego se buscan para identificar posibles calcificaciones u otras características de interés. En el caso del cáncer de mama, las microcalcificaciones de interés suelen presentarse en un rango de tamaños bastante estrecho (áreas de contorno). Sin embargo, dependiendo del paciente en particular, así como del tipo y estadio del cáncer, las microcalcificaciones pueden presentar una variedad de formas de contorno, niveles de intensidad y contrastes (es decir, gradientes espaciales). A modo de ejemplo y no de limitación, la siguiente selección se puede utilizar para la mayoría de las imágenes:

1. Se pueden excluir los contornos que están dentro del interior de un objeto identificado anteriormente en la etapa 314. Además se pueden excluir los contornos que están dentro de una distancia especificada desde el borde del tejido o el borde de la imagen utilizando la variable de indicador interior calculada en la etapa 312.

2. Se pueden incluir contornos que estén dentro del siguiente rango de áreas y escala de gradiente:

0.003 mm2 <A < 800 mm2 ; y Zg < 1.3 m m , (Ec. 3)

y que también cumplan con uno de los siguientes criterios (a) -(e), que se proporcionan nuevamente a modo de ejemplo:

(a) Se pueden mantener los contornos que encierren zonas relativamente brillantes con valores de contraste relativamente deseables (estos valores pueden ser seleccionados por un usuario/administrador) y que estén dentro de un rango de formas que no estén muy deformadas. Este criterio puede capturar muchas de las calcificaciones más obvias. Por ejemplo, se pueden mantener los contornos que satisfagan los siguientes criterios:

l ^o > 0,67l ^escala y C ^relación > 0,65 y C ^int > 1,06 y C ^ext > 1,22

(b) Se pueden mantener los contornos que tengan un contraste relativamente débil si el área está dentro del rango correcto para las calcificaciones más pequeñas (débiles) y si los contornos son casi circulares o tienen escalas de gradiente más cortas. Por ejemplo, se pueden mantener contornos que satisfagan lo siguiente:

A < 0,30 mm2 y [(C ^reación > 0,80 y C ^int > 1,04) o (C ^reiación > 0,65 y L ^g < 0,3 mm)]

(c) Se pueden mantener los contornos que sean relativamente grandes y brillantes. Por ejemplo, se pueden mantener los contornos que satisfagan lo siguiente:

(I ^o > 0,75I ^escala y C ^reiación > 0,69 y A > 1,2 mm2) o

(l ^o > 0,90Ul ^escala y C ^reiación > 0,90 y A > 4,0 mm2)

Si bien pueden ser demasiado grandes para ser cancerosos, estos tipos de contornos pueden ser marcadores de agrupamientos benignos de tipo 2 (por ejemplo, necrosis grasa, etc.). Estos agrupamientos benignos pueden ignorarse por completo en el análisis. Sin embargo, las calcificaciones dentro de estos agrupamientos benignos también pueden tener una variedad de formas y tamaños, algunos de los cuales se superponen con los anteriores criterios de selección en (a) -(b). Por lo tanto, el método 300 puede encontrar todos los miembros de los agrupamientos de tipo 2 y agrupar sus miembros más pequeños con estas formas más grandes.

(d) Se pueden mantener ciertas clases de contornos que ayudan a reducir los falsos positivos. Por ejemplo, se pueden mantener los contornos que satisfagan lo siguiente:

(l ^o > 0,62l ^escala y C ^reiación > 0,67 y Cext > 2 y A > 0,2 mm²) o

(l ^o > 0,60l ^escaia y C ^reiación > 0,50 y 3 mm2 > A > 1,5 mm2) o

(L ^g < 0,4 mm y C ^reiación > 0,67 y 3 mm2 > A > 1,3 mm2)

La inclusión de estos tipos de contornos puede permitir que el método 300 reduzca algunos tipos comunes de falsos positivos cuando los contornos se agrupan en estructuras anidadas, tal como se describe más abajo. Por ejemplo, algunas calcificaciones más grandes están huecas en el centro, lo que da como resultado una estructura en forma de anillo. La elección en (a) -(b) a menudo da como resultado que estos anillos se rompan en muchas calcificaciones aparentes más pequeñas. Sin embargo, al incluir los contornos que abarcan toda la estructura, estos pequeños contornos anidados se pueden agrupar con su padre externo y, por lo tanto, permiten que el algoritmo los entienda como una única estructura compuesta (y no como múltiples calcificaciones distintas).

(e) Se pueden mantener contornos que incluyan una intensidad central relativamente alta, incluso si el contraste es relativamente pobre. Por ejemplo, se pueden mantener contornos que satisfagan lo siguiente:

(l ^o > 0,90l ^escaia y C ^reiación > 0,50)

3. Catálogo completo de contornos. Como se muestra en la etapa 320, el método 300 puede incluir catalogar los contornos, por ejemplo, catalogar los contornos que se mantienen mediante las etapas arriba enumeradas. Esto puede incluir el desarrollo de un catálogo completo de contornos. Esto se puede lograr guardando un puntero en cualquier contorno que pase los anteriores criterios de selección. Esto puede permitir que el método 300 se refiera fácilmente al contorno en cualquier etapa posterior, incluyendo todas las propiedades geométricas y de contraste asociadas anteriormente descritas.

4. Ordenar y seleccionar. Como se muestra en la etapa 322, el método 300 puede incluir determinar si se descartan los contornos, en cuyo caso el método pasa a la etapa 324, o si se ordenan y seleccionan los contornos, en cuyo caso el método pasa a la etapa 326. En muchas imágenes, el número de contornos seleccionados más arriba mediante (a) -(e) en el catálogo completo sigue siendo bastante grande ~ 2 x 104. Cuantos más contornos se mantengan, mayor puede ser la sensibilidad general, pero esto también puede conducir a tiempos de análisis mucho más largos en las siguientes etapas del método 300. Además, mantener demasiados contornos en esta fase puede conducir a más falsos positivos. Por estas razones se puede usar otro proceso de selección que restrinja el número total de contornos considerados a un número predeterminado, por ejemplo Nmáx = 6000. En cualquier imagen dada, el método 300 busca normalmente los contornos con la mejor combinación general de intensidad y contraste, ya que estos son los que son más evidentes para el ojo humano. Sin embargo, el valor absoluto de la intensidad y los contrastes puede ser diferente en varias imágenes, incluso para el mismo paciente. Por lo tanto, los contornos de la biblioteca primaria pueden ordenarse por rango en función de lo siguiente:

Métrica de selección 4(C0utext 9 -Wo,

De esta manera, los contornos con la mejor combinación relativa de contraste e intensidad se pueden encontrar en la parte superior de la lista. En esencia, en un aspecto, el método 300 puntúa los contornos en una escala relativa para cada imagen.

5. Catálogo primario de contornos. Como se muestra en la etapa 326, el método 300 puede incluir catalogar los contornos, por ejemplo, en un catálogo primario de contornos o similar. Esto se puede lograr guardando una lista de punteros para los primeros Nmáx= 6000 contornos identificados mediante el orden arriba indicado (o cualquier número seleccionado). Esto permite que el método 300 se refiera fácilmente a los mejores contornos, incluidas todas las propiedades geométricas y de contraste asociadas arriba descritas.

Como se muestra en la etapa 328, el método 300 puede incluir agrupar los contornos en estructuras/jerarquías anidadas. Después de completar los procesos de selección arriba descritos, solo puede haber Nmáx. = 6000 contornos almacenados dentro del catálogo primario (o cualquier número anteriormente seleccionado). Sin embargo, en la mayoría de las imágenes, solo una pequeña fracción de estos contornos corresponderá a calcificaciones verdaderas. Además, como se ilustra en las Figuras 4 y 5 descritas más abajo, puede haber al menos varios contornos anidados asociados con cada una, y hasta diez o más contornos anidados para calcificaciones con un fuerte contraste de intensidad. Para cualquier calcificación dada, es deseable identificar un contorno que caracterice la forma de la estructura. Para lograr esto, la biblioteca primaria se puede clasificar y los contornos se pueden agrupar en estructuras jerárquicas anidadas. El contorno más externo (padre) en cada serie anidada puede corresponder a la forma, mientras que los contornos anidados internos (hijos) se pueden usar para medir con precisión las variaciones de contraste en la estructura, tal como se describe más abajo al seleccionar calcificaciones de los contornos anidados.

Por ejemplo, los Nmáx contornos se pueden clasificar primero de acuerdo con el área encerrada por cada uno. A continuación, comenzando con el contorno más grande (llámese al nivel superior el "padre"), se puede buscar en la biblioteca de contornos para encontrar el siguiente contorno más pequeño en la lista que se encuentra dentro del área delimitada por el nivel superior (padre). Este sería el primer "hijo", que se puede agrupar como parte de esta estructura anidada y se excluye de las búsquedas posteriores más abajo. A continuación, se puede volver a buscar en la biblioteca para encontrar el siguiente contorno más grande que se encuentra dentro del padre de nivel superior (este tendrá un área más pequeña que el primer hijo). Normalmente, en estructuras anidadas de forma simple, este contorno también estaría dentro del primer hijo, pero no siempre es así. Podría haber múltiples "picos" dentro del contorno padre general, y esto puede ser útil para observar la estructura interna de masas. Se puede buscar en la biblioteca hasta que no haya más contornos dentro del padre de nivel superior. Luego se puede buscar en la biblioteca el siguiente contorno más grande que aún no se ha agrupado, para repetir este proceso.

Después de completar esta etapa, puede haber una lista de los contornos externos para cada serie anidada, y una lista de punteros para los contornos anidados internos para cada una de estas estructuras. Algunas fracciones de estas estructuras anidadas pueden corresponder a calcificaciones, pero otras no. Para ayudar en una selección final, se pueden calcular las siguientes propiedades para cada serie anidada, que se proporcionan a modo de ejemplo y no de limitación:

1. Derivadas de contorno: para identificar calcificaciones, puede ser conveniente caracterizar con precisión la rapidez con la que varía la intensidad a través de la estructura. El método 300 ya puede haber calculado varias cantidades que caracterizan a esta misma idea general en un sentido de promedio (es decir, el contraste interior Cint y exterior Cext arriba descritos) y para una escala de gradiente local - Lg. Una vez que los contornos se agrupan en estructuras anidadas, el método 300 puede calcular el cambio fraccional de área y/o intensidad entre dos contornos anidados cualesquiera en la estructura. Después de probar un rango de posibilidades, se pueden definir los siguientes dos parámetros:

mmáx ) (Ec. 4)

^

donde los contornos anidados pueden indexarse a partir de

correspondiendo / = 1 al contorno externo y al más interno. Aquí, 5A puede ser el cambio de área fraccional mínimo entre dos contornos anidados cualesquiera en la estructura, y 51 corresponde al cambio de intensidad fraccional máximo entre los contornos anidados internos y el contorno más externo que define la forma. Los valores pequeños de 5A << 1 pueden corresponder a contornos estrechamente anidados, donde el gradiente local de intensidad es grande, mientras que los valores de 51 > 1 miden la variación de intensidad fraccional en el conjunto de contornos anidados (muy similar al contraste interno Cint arriba descrito).2

2. Parámetro de agrupación. Como se discutirá más abajo con referencia a la agrupación de los contornos en estructuras anidadas, la mayoría de las calcificaciones claras se pueden identificar con precisión utilizando umbrales simples en 5A y 51. Sin embargo, un umbral razonable en estos parámetros a menudo puede pasar por alto calcificaciones más débiles y/o en algunos casos agrupaciones enteras si las calcificaciones son menos claras. Además, si se bajan los umbrales para capturar estos agrupamientos faltantes, se puede producir un aumento inaceptable de falsos positivos en otras imágenes. El problema básico puede incluir lo siguiente: si estas calcificaciones más débiles se juzgan puramente por sí mismas, a menudo puede que no esté claro (incluso para el ojo humano) si son realmente una calcificación o no. Sin embargo, estas estructuras más débiles suelen ser mucho más interesantes si se agrupan con el tamaño adecuado y la separación espacial adecuada. Para poner en práctica esta idea se puede utilizar un nuevo parámetro colectivo que caracterice estas agrupaciones. Para continuar, se puede ver cada una de las estructuras anidadas identificadas como una calcificación potencial y se puede evaluar el siguiente parámetro para la estructura de orden i:

M

do,=Y.q-ql F(r^m< ^{(Ec. 5)}

^{imín nurnax 1}

donde la suma está sobre las otras M estructuras anidadas en la imagen, r¡¡ es la distancia de separación, y qi, qj, son pesos estadísticos definidos por:

(Ec. 6)

donde l0¡ es la intensidad central, A es el área de la calcificación de orden i,

es el número de contornos anidados y J^m es un límite impuesto a la importancia del anidamiento en el peso. Por último se puede definir la siguiente función de selección: méx

(Ec. 7)

donde C ^norm = (1 £)(1+9/£f es una constante de normalización (^ = (cmín / cmáxj2), y c ^mín , c ^méx son constantes que establecen las escalas mínima y máxima de interés para cualquier cantidad dada. Por ejemplo, en la Ecuación 5, la función de selección se aplica a la separación espacial, y las constantes (rm/n, /máx) se utilizan

para seleccionar un rango relevante de separaciones. La función F puede construirse para alcanzar un valor máximo de unidad entre este rango de escalas, y luego caer exponencialmente para separaciones fuera de este rango especificado. Asimismo, cuando se aplica a la Ecuación 6, la función de selección puede alcanzar valores máximos dentro del rango de áreas especificado (a ^mín , a ^méx ) y caer rápidamente fuera de este rango. Por tanto, dQ ⁱ puede tener propiedades deseadas. En ausencia de vecinos (es decir, dentro de unos pocos rmáx), el valor de dQ ⁱ puede mantenerse pequeño. Sin embargo, el valor de dQ ⁱ puede aumentar cuadráticamente con el número de vecinos, si éstos están dentro del rango correcto de separaciones y tienen el rango correcto de tamaños para ser motivo de preocupación. Además, el valor puede aumentar con la intensidad central de las calcificaciones potenciales y con el número de contornos anidados dentro de cada una, pudiendo ambos parámetros estar correlacionados con la visibilidad para el ojo humano.

Como se muestra en la etapa 330, el método 300 puede incluir seleccionar calcificaciones de los contornos anidados, donde, si las calcificaciones no son seleccionadas, el método 300 descarta las calcificaciones como se muestra en la etapa 332, y donde, si las calcificaciones son seleccionadas, el método 300 pasa a la etapa 334.

En este punto del método 300 se pueden haber encontrado y caracterizado todos los contornos, se pueden haber eliminado los contornos presentes dentro de objetos, se pueden haber seleccionado los contornos más interesantes, y los contornos pueden haber sido agrupados en estructuras anidadas, representando el contorno más externo la forma y proporcionando los contornos internos información adicional sobre los gradientes internos. La selección final para las calcificaciones se puede realizar sobre la base de los dos criterios siguientes, que se proporcionan a modo de ejemplo y no de limitación:

1. Calcificaciones fuertes ^ 5A/5I < 0,15

Este umbral en la derivada del contorno (véase la Ecuación 4) puede capturar la mayoría de las calcificaciones claras con límites definidos. Esta selección se puede hacer independientemente de si la calcificación tiene vecinos cercanos.

2. Calcificaciones agrupadas más débiles ^ 5Q ⁱ < 3

Este umbral en el parámetro de agrupación (véase la Ecuación 5) puede seleccionar calcificaciones más débiles que están agrupadas de manera apropiada (tal como se describe más arriba). Se ha de tener en cuenta que el valor umbral de 5Q ⁱ puede depender de los parámetros de escalamiento elegidos en las Ecuaciones 5-7. En última instancia, puede ser deseable que estas opciones sean coherentes con los parámetros de escalamiento elegidos más abajo, que se utilizan para calcular una 'puntuación Q' para cada agrupamiento.

Como se muestra en la etapa 334, el método 300 puede incluir agrupar calcificaciones en agrupamientos. Después de identificar todas las calcificaciones dentro de la imagen, a continuación se pueden agrupar en agrupamientos de acuerdo con el siguiente procedimiento. Se puede definir una escala de agrupamiento espacial (por ejemplo, R ^c = 7 mm), y para cada calcificación se cuenta el número de vecinos dentro de este rango. Además, se puede especificar un número mínimo de calcificaciones a considerar como un agrupamiento (por ejemplo, N ^mín = 3). A continuación, el método 300 puede comenzar con la calcificación con el mayor número de vecinos, que se usa para formar el primer agrupamiento. Se pueden añadir nuevas calcificaciones de forma recursiva a este agrupamiento, hasta que no hay calcificaciones restantes dentro de una distancia R ^c de cualquier miembro. Después de encontrar todos los miembros del primer agrupamiento, el método 300 puede pasar a la siguiente calcificación no asignada y repetir este proceso hasta que se hayan asignado todas las calcificaciones que deberían agruparse en un agrupamiento. En un aspecto, solo las calcificaciones con al menos dos vecinos (es decir, tres miembros) se agrupan en agrupamientos. Las calcificaciones que no se asignan a un agrupamiento pueden ignorarse por completo durante el resto del método 300.

Esta estrategia para formar agrupaciones puede ser ventajosa y puede depender solo de la escala R ^c . En la mayoría de las imágenes, los agrupamientos reales en el tejido (por ejemplo, mama) están bien separados y esta estrategia funciona bien. Sin embargo, en imágenes con muchos agrupamientos vasculares y/u otros tipos de calcificaciones benignas, puede resultar difícil separar nuevos agrupamientos (potencialmente cancerosos) del fondo preexistente de agrupamientos benignos. De hecho, el cáncer puede aparecer junto a un agrupamiento vascular. En este caso, la estrategia de agrupamiento puede agrupar el nuevo cáncer junto con el vascular, lo que puede resultar en una clasificación errónea, analizándose más abajo la prevención/explicación de ello.

Como se muestra en la etapa 336, el método 300 puede incluir calcular propiedades de agrupamiento. Para ayudar en el proceso de clasificación, puede ser útil caracterizar la distribución de calcificaciones dentro del agrupamiento. Si el centroide se identifica para una calcificación por el par ordenado (x ⁱ , X ² ), entonces el centroide del agrupamiento se puede definir como:

c Nc

x,

W ^{Y . WnX,} w

wI ^{w n}

(Ec. 8)

donde w ⁿ es el peso de la enésima calcificación y N ^c es el número de calcificaciones dentro del agrupamiento. En un aspecto, se utiliza el contraste exterior de cada calcificación para los pesos w ⁿ = Cext. A continuación, se puede definir una matriz de desplazamiento para cada agrupamiento:

(Ec. 9)

donde de nuevo se pueden emplear los contrastes para los pesos. Esta matriz definida simétrica positiva puede tener dos valores propios reales (ei, e2) y dos vectores propios (d1, d2), que se pueden utilizar para definir las siguientes cantidades, que se proporcionan a modo de ejemplo y no de limitación:

1 Media longitud de agrupamiento

, donde &1 QS e| va|or prop¡0 máx¡mo de Dj.

Media anchura de agrupamiento w = UT

2. » 2 ’ donde e2 es el valor propio máximo de Dj

3. Relación de aspecto ^ A = w/L

4. Eje principal ^ vector alineado con la dirección larga en el agrupamiento

y

Fracción de empaquetamiento P = _A-ái 4 _{' _ (ár} ea dentro de calcificaciones)/(área de agrupamiento aproximada) 5. f 4 Lw

Para cada agrupamiento, el método 300 también puede calcular la desviación media y estándar de las propiedades geométricas y de contraste arriba descritas, incluyendo, por ejemplo, intensidad, contraste, área, etc.

Como se muestra en la etapa 338, el método 300 puede incluir clasificar agrupamientos como benignos, en los que el método 300 pasa a la etapa 340, o clasificar agrupamientos como posible cáncer o como cancerosos, en los que el método pasa a la etapa 342.

Pueden formarse calcificaciones dentro del tejido en una amplia gama de escalas y por diversas razones. Las calcificaciones pueden ser de origen benigno o los agrupamientos de microcalcificaciones pueden ser indicativos de cáncer. Normalmente, las calcificaciones benignas son más comunes. Por lo tanto, cuando se utiliza como herramienta de detección, se espera que la gran mayoría de los agrupamientos identificados por el método 300 sean de origen benigno. Por tanto, la estrategia del método 300 puede consistir en identificar y excluir los tipos más comunes de agrupaciones benignas, y luego puntuar las agrupaciones restantes con el "factor Q" tal como se describe más abajo.

Si los agrupamientos se clasifican como benignos, el método 300 puede clasificar un tipo para cada agrupamiento/calcificación, lo que se ilustra en la etapa 340. A continuación se proporcionan algunos tipos de agrupamientos benignos a modo de ejemplo y no de limitación.

Tipo 1: Vascular

Un tipo común de agrupamiento benigno se asocia con calcificaciones vasculares. Si bien éstos son de interés potencial en estudios de enfermedades cardiovasculares, estos agrupamientos pueden no ser relevantes para el cáncer (por ejemplo cáncer de mama). Sin embargo, si hay calcificaciones vasculares presentes dentro de una imagen dada, el método 300 puede identificar un gran número de calcificaciones organizadas a lo largo de la pared vascular. Desafortunadamente, el rango de escalas espaciales y distancias de separación para estas calcificaciones vasculares a menudo se superpone con las microcalcificaciones relevantes para el cáncer (por ejemplo cáncer de mama). Por lo tanto, a menudo no se puede diferenciar en función del factor Q descrito más abajo. En su lugar se pueden utilizar otras estrategias para excluirlas de la consideración.

Las calcificaciones vasculares suelen ser fáciles de detectar visualmente, ya que están bien organizadas a lo largo de la pared del vaso tubular. Como tales, pueden usarse al menos dos estrategias para identificar automáticamente estas calcificaciones vasculares, es decir, usando un algoritmo o similar. En primer lugar se puede medir el alto grado de correlación espacial, por ejemplo realizando un análisis de regresión en las posiciones de las calcificaciones. Una estrategia alternativa y potencialmente complementaria consiste en emplear técnicas de detección de bordes para identificar las paredes de los vasos y luego excluir las calcificaciones que se encuentran a lo largo de estas estructuras.

En un aspecto, la estrategia se basa en realizar un análisis de regresión a un polinomio de orden especificado. Las etapas de esta subrutina de detección vascular pueden incluir sin limitación:

1. Solo se aceptan agrupaciones que tengan un número de miembros dentro de un intervalo determinado (por ejemplo, entre 3 y 500 miembros). Dependiendo del número de miembros, puede haber una tabla de búsqueda para especificar (1) el orden del polinomio, (2) el umbral de tolerancia en el ajuste y (3) el número de puntos que se pueden eliminar. Esto puede permitir un ajuste de orden superior y/o tolerancias ligeramente mayores para agrupamientos con más miembros. En un aspecto, solo se usan polinomios de primer orden (lineales) y de segundo orden, y la tolerancia permitida varía dentro de un rango de valores, por ejemplo, 0,01 a 0,036. Estas tolerancias pueden corresponder a un chi-cuadrado normalizado del ajuste (es decir, normalizado a la longitud de la curva polinómica).

2. A continuación, el agrupamiento se puede rotar en un marco donde el eje x se alinea con el eje principal del agrupamiento calculado anteriormente. Se puede realizar una regresión de mínimos cuadrados polinómicos, y el parámetro de ajuste de chi-cuadrado se puede calcular y normalizar por la longitud de la curva. Si el ajuste está dentro de la tolerancia, el agrupamiento puede identificarse como vascular (tipo 1); de lo contrario, el número especificado de puntos atípicos puede descartarse y el ajuste puede volver a calcularse para ver si el método 300 puede encontrar uno dentro de la especificación de tolerancia.

3. En caso de agrupamientos vasculares grandes puede ser difícil un ajuste con un polinomio de segundo orden, especialmente si el agrupamiento tiene múltiples ramas en forma de árbol o muchos contornos atípicos que no están bien alineados a lo largo de la estructura tubular. Por lo tanto, para agrupamientos grandes, el método 300 puede intentar dividirlos en subgrupos más pequeños y luego aplicar el procedimiento de ajuste polinómico a los subgrupos. En un aspecto, el método 300 tiene dos estrategias diferentes para la división y el ajuste, y el algoritmo está configurado para emplear una o ambas (es decir, aplicar la segunda si la primera falla). Si la rutina encuentra alguna porción del agrupamiento que se ajusta bien al 'polinomio q', entonces el agrupamiento completo puede clasificarse como vascular.

4. Incluso con las variaciones anteriores, puede ser difícil elegir una tolerancia para el umbral de ajuste que identifique todos los agrupamientos vasculares, excluyendo los que son potencialmente malignos. Por lo tanto, el método 300 puede incluir una verificación final que se aplica a los agrupamientos que tienen una tolerancia de ajuste algo por encima del umbral (y que por lo tanto no se identificarían como de tipo 1), pero en los que el eje principal se alinea con un agrupamiento vascular claro. A menudo se formará una serie de agrupamientos vasculares a lo largo del mismo vaso o a lo largo de un vaso vecino. Como resultado de ello, los ejes principales de estos dos agrupamientos pueden estar bien alineados, pueden estar en la misma proximidad y, a menudo, tienen una relación de aspecto alta (véanse las propiedades de agrupamiento descritas más arriba en la etapa 336). Por tanto, al introducir una verificación final de estos otros factores, el método 300 puede identificar y excluir agrupaciones vasculares adicionales.

Tipo 2: Grandes calcificaciones y necrosis grasa

Otro tipo común de agrupamientos benignos está asociado con calcificaciones más grandes y necrosis grasa. Estos agrupamientos pueden incluir miembros más grandes, con áreas que pueden ser significativamente más grandes que las microcalcificaciones asociadas con la malignidad. Para los agrupamientos compuestos completamente por calcificaciones más grandes, la 'puntuación Q' descrita más abajo puede ser relativamente pequeña. Sin embargo, en otros casos puede haber una superposición en el rango relevante de áreas con agrupamientos malignos. Además, el método 300 puede encontrar una serie de estructuras más pequeñas en la vecindad de las calcificaciones más grandes, que pueden dar lugar a falsos positivos tal como se describe más abajo.

En términos de propiedades geométricas, estos agrupamientos benignos pueden caracterizarse por áreas relativamente más grandes y por su agrupación bastante densa. Con este fin, se puede crear una biblioteca de agrupaciones en la que se extraen las propiedades geométricas y de contraste arriba descritas para obtener agrupaciones interesantes para su uso y evaluación mediante el método 300. La biblioteca de agrupamientos puede mostrar que los agrupamientos malignos tienden a estar más dispersos (Pf más bajo) con un rango más pequeño de áreas, mientras que los agrupamientos benignos están más densamente empaquetados (P ^f más grande) y/o en áreas más grandes. Se puede proporcionar una curva de umbral aproximada para identificar agrupaciones de tipo 2 como una línea como:

Pf =0.$5-0.6<Ai>Ama . (Ec- 1°)

donde <Ai> es el área media de las calcificaciones dentro del agrupamiento, A ^máx es el área de la calcificación más grande en el agrupamiento y P ^f es la fracción de empaquetamiento (véase la descripción más arriba). En un aspecto, este criterio se utiliza para identificar y excluir estos agrupamientos benignos. Si bien esto puede dar lugar a algunas clasificaciones erróneas, es posible que no tenga un gran impacto en las métricas de puntuación, ya que los agrupamientos malignos a menudo se identifican correctamente en otras imágenes/vistas, y en las raras ocasiones en que se clasifican erróneamente, esto solo ocurre en una de las imágenes/vistas. En otro aspecto se utilizan técnicas de contorneo activo para remediar errores de clasificación.

Tipo 3: Calcificaciones redondas difusas

Otro tipo de falso positivo puede consistir en las agrupaciones que se caracterizan por calcificaciones difusas, casi circulares. Éstas suelen ser bastante brillantes y tienen un contraste relativamente bueno, por lo que a menudo se identifican muchas calcificaciones. El rango de tamaños de calcificación puede ser relativamente similar a las microcalcificaciones malignas, pero tienden a extenderse sobre áreas más amplias del tejido (por ejemplo, tejido mamario) y también pueden aparecer a menudo en ambos lados de manera similar. Una técnica para identificar estos agrupamientos utiliza la C ^reiación y P ^f . Otra técnica puede comparar diferentes lados de una imagen, por ejemplo, comparar los lados izquierdo y derecho.

Como se muestra en la etapa 342, el método 300 puede incluir la cuantificación de agrupamientos con una 'puntuación Q'. La puntuación Q tal como se describe en la presente memoria puede referirse a una medida, por ejemplo un número que cuantifica la probabilidad de malignidad de cada agrupamiento.

La puntuación Q puede incluir una función analítica de las propiedades geométricas y de contraste de las calcificaciones dentro de cada agrupamiento, así como sus disposiciones espaciales detalladas. La puntuación Q puede cuantificar aspectos de las calcificaciones de forma más rápida, precisa y coherente de lo que es posible para un ser humano. En comparación con la estrategia de caja negra de una red neuronal, la puntuación Q permite una explicación clara en términos físicos sobre cómo el método 300 está puntuando cualquier agrupamiento dado.

Algunas características integradas en la forma funcional para la puntuación Q ya se han discutido más arriba en asociación con el parámetro de agrupación dQ. Está bien establecido que los agrupamientos de microcalcificaciones asociadas con el cáncer ocurren en un rango bastante limitado de escalas espaciales y distancias de separación. A medida que se desarrolle el cáncer desde una fase temprana, el número de microcalcificaciones visibles aumentará, junto con la intensidad y el contraste de cada calcificación visible. Con este fin, la función puede aumentar monótonamente con estas características y permitir la suficiente flexibilidad para ajustar los parámetros de escalamiento libres con el fin de optimizar el rendimiento general. Un ejemplo de esta función es:

donde M ^o es un parámetro libre, M es el número de calcificaciones en los agrupamientos y todos los demás símbolos se han definido en la presente memoria. El parámetro Q puede ser aproximadamente análogo a una energía potencial o similar para el agrupamiento (asumiendo una forma particular para las interacciones por pares), donde los parámetros de escalamiento libres se han ajustado para maximizar la energía para los agrupamientos malignos. Aparte de un factor de normalización, el parámetro Q definido en la Ecuación 11 puede ser una suma sobre el parámetro de agrupamiento para cada calcificación (véase la Ecuación 5). Desde este punto de vista, la alternativa para seleccionar calcificaciones puede estar relacionada con la estrategia general para puntuar la importancia de los agrupamientos finales.

Para determinar los parámetros de escalamiento libres se puede usar un programa que realiza una optimización multidimensional con el fin de encontrar valores que maximicen el área bajo la curva ("auc") para la curva característica operativa del receptor (ROC). Los valores ejemplares para estos parámetros son los siguientes: amín = 0,054 mm2, a ^máx = 0,42 mm2, r ^mín = 0,0 mm, r ^máx = 2,69 mm,

M ^o = 10.

Como se muestra en la etapa 344, el método 300 puede incluir guardar los resultados. Por ejemplo, después de completar el análisis de cada imagen se pueden guardar los siguientes resultados, que se proporcionan a modo de ejemplo y no de limitación:

1. lista de agolpamientos identificados en la imagen, incluida la puntuación Q y las propiedades del agolpamiento;

2. contornos externos para cada una de las calcificaciones dentro de cada agrupamiento, junto con las propiedades geométricas y de contraste para cada una de estas formas; e

3. información para generar las curvas ROC. Esta información puede extraerse y guardarse junto con la puntuación Q de cada agrupamiento.

Se entenderá que cualquier valor arriba mencionado con respecto al método 300 (o de otro modo en la presente memoria) se proporciona solo a modo de ejemplo, y no pretende limitar las realizaciones descritas en la presente memoria. Adicional o alternativamente, estos valores pueden incluir valores predeterminados (por ejemplo, "mejores prácticas"), por ejemplo descubiertos mediante un proceso de prueba y error. Estos valores pueden ser modificados por un usuario o administrador, por ejemplo, usando una interfaz gráfica de usuario que incluya campos para introducir los valores.

La Figura 4 representa una imagen médica de calcificaciones en el tejido de un paciente. La imagen 400 de la figura puede representar una imagen médica original de un tejido de un paciente, por ejemplo una mamografía o similar. La imagen 400 puede incluir calcificaciones 402, lo que puede ser necesario identificar para detectar si hay cáncer presente. En otras palabras, la imagen 400 puede usarse en los dispositivos, sistemas y métodos descritos en la presente memoria para detectar y cuantificar el cáncer en un tejido de un paciente mostrado en la misma.

La Figura 5 ilustra un ejemplo de un proceso de selección para un agrupamiento de microcalcificaciones maligno. Específicamente, la figura incluye una primera imagen 510 y una segunda imagen 520. La primera imagen 510 puede representar los contornos 512 seleccionados por cualquiera de los criterios arriba descritos. Más específicamente se puede tratar de los contornos 512 antes de que se agrupen en jerarquías anidadas. Las calcificaciones más perceptibles para el ojo humano pueden tener muchos contornos 512 anidados, que se agrupan en estructuras anidadas tal como se describe más arriba (estas estructuras anidadas se muestran, por ejemplo, por el área 514 de burbujas en la figura). Estos contornos 512 anidados internos pueden usarse para evaluar gradientes en la intensidad a través de la estructura (véanse los parámetros SA y Si definidos más arriba en la ecuación), y el parámetro dQ ⁱ puede usarse para caracterizar las agrupaciones (tal como se ha explicado más arriba). Las calcificaciones finales 522 mostradas en la segunda imagen 520 pueden seleccionarse de acuerdo con los criterios descritos más arriba con respecto a la etapa 330 del método 300. Específicamente, la segunda imagen 520 muestra los límites exteriores de estas calcificaciones 522 seleccionadas finales.

La Figura 6 ilustra un ejemplo de la identificación de un agrupamiento de calcificaciones. Por ejemplo, la figura muestra la identificación de agrupamientos de tipo 2 con necrosis grasa usando técnicas descritas en la presente memoria. La figura incluye una primera imagen 610 y una segunda imagen 620. La primera imagen 610 muestra una imagen médica original de tejido sin contornos superpuestos. La segunda imagen 612 muestra contornos 622 identificados mediante las técnicas descritas en la presente memoria, por ejemplo el método descrito con referencia a la Figura 3, que puede utilizar uno o más algoritmos.

La figura 7 es un gráfico que muestra un ejemplo de una fracción de empaquetamiento en función de <A ⁱ >A ^máx para agrupamientos ejemplares. Específicamente, en el gráfico 700, el eje x es el <A>A ^méx , donde <A> es el área media de las calcificaciones dentro del agrupamiento y A ^méx es el área de mayor calcificación del agrupamiento. En el gráfico 700, el eje "y" es P ^f , es decir, la fracción de empaquetamiento (véase la descripción más arriba).

En el gráfico 700, los puntos 702 de línea menos gruesa corresponden a agrupamientos malignos, mientras que los puntos 704 de línea más gruesa corresponden a varios agrupamientos de tipo 2. En este gráfico 700 específico, solo se incluyen agrupamientos con menos de 30 calcificaciones para mayor claridad y a modo de ejemplo, pero adicional o alternativamente se pueden utilizar agrupamientos con más calcificaciones. Un límite aproximado que separa los agrupamientos benignos de los malignos está indicado mediante la línea 706.

En general, la figura puede representar la derivación de criterios para identificar agrupamientos de tipo 2 que se utilizan en las técnicas descritas en la presente memoria, donde cada punto en el gráfico 700 corresponde a un solo agrupamiento en un estudio ejemplar, que se utilizó para refinar las técnicas descritas en la presente memoria. Los resultados muestran que los agrupamientos malignos tienden a estar más dispersos (P ^f más bajo) con un rango más pequeño de áreas, mientras que los agrupamientos benignos están empaquetados más densamente (P ^f más grande) y/o áreas más grandes. La línea 706 puede proporcionar una curva de umbral aproximada para identificar agrupamientos de tipo 2, que puede tener la forma:

^{? / =} 0.85 ^- 0.6<A¿>Ama.máx

En una implementación, este es el criterio utilizado para identificar y excluir agrupaciones benignas. Como se muestra en el gráfico 700, los puntos malignos a la derecha de la línea 706 pueden clasificarse erróneamente como benignos de tipo 2. Si bien esto puede ser inconveniente, también puede no influir en las métricas de puntuación descritas en la presente memoria, tal como se ha descrito más arriba. Como se muestra además, parece que los límites externos correspondientes a las calcificaciones pueden ser demasiado grandes y/o abarcan múltiples calcificaciones más pequeñas. Esto puede hacer que las áreas medidas sean más grandes de lo que deberían ser y, por lo tanto, puede mover el agrupamiento a la zona benigna del espacio de parámetros en la figura. Esto puede mejorarse utilizando avances en las técnicas de contorneo, por ejemplo, técnicas de contorneo activo.

Tal como se describe en la presente memoria, una implementación puede incluir un método para determinar una puntuación del cáncer. La determinación de una puntuación del cáncer se puede lograr mediante el uso de un motor de puntuación del cáncer (y sus componentes) o similares tal como se describe en la presente memoria. En el método se puede definir un evento de interés. Un evento de interés puede ser cualquier objeto de interés que se identifique a partir de los datos. Algunos ejemplos de eventos pueden ser lesiones cancerosas, masas, anomalías fisiológicas y similares. El método puede recopilar variables para los eventos de interés, como x1, x2 ... xn. Las variables pueden ser un número mínimo de variables que permitan predecir el evento y generar una puntuación, por ejemplo, una puntuación del cáncer. Las variables se pueden recopilar identificando una serie de variables y luego descartando las variables que no son predictivas y/o que muestran un comportamiento incorrecto para el evento de interés. En una implementación, el evento de interés puede ser cáncer de mama y las variables pueden incluir contornos de calcificaciones de intensidad cerrada en las imágenes de mamografía, gradientes de las calcificaciones, una o más características de cada calcificación, como perímetro, contraste y/o una serie de vecinos, una textura y forma de cada calcificación y/o una estructura jerárquica de las calcificaciones en un agrupamiento, como cuán estrechamente están anidadas las calcificaciones, si hay niveles anidados de calcificaciones y similares. Adicional o alternativamente, las variables para las imágenes de mamografías pueden incluir otras variables. Este método también puede incluir un agrupamiento de calcificaciones individuales con sus vecinos y luego una agrupación en agrupamientos de prototipos que se pueden ordenar en función de una serie de vecinos. En el ejemplo del cáncer de mama, los valores de estas variables pueden determinarse mediante el análisis informático de las imágenes de la mamografía.

El método puede calcular un Q0 sobre la base de los valores de las variables, donde Q0 es una función analítica de las variables de modo que Q0 = F (x1, x2, ..., xn). Por tanto, en la implementación del cáncer de mama, el método puede calcular Q0 para cada agrupamiento de calcificaciones, donde Q0 es una función de las variables calculadas sobre cada agrupamiento. Por ejemplo, Q0 puede incluir el uso de cualquiera de las funciones descritas en la presente memoria.

El método puede calcular un Q1, donde Q1 es igual a (Q0) x (una función de penalización). La función de penalización puede seleccionarse de manera que Q1 incorpore un esquema de clasificación. En la implementación del cáncer de mama, la función de penalización puede descartar calcificaciones que están demasiado separadas entre sí y, por lo tanto, es poco probable que sean células sospechosas. A continuación, el método puede normalizar Q1 para generar una puntuación del cáncer. Durante la normalización, los parámetros de Q0 y Q1 pueden optimizarse para maximizar el área bajo una curva conocida (ROC) o característica de funcionamiento del receptor libre (FROC). A modo de ejemplo, las curvas FROC se describen en Bornefalk et al., "On the Comparison of FROC curves in Mammography CAD Systems", Med. Phys. 32, páginas 412-17 (2005). Por lo tanto, sobre la base de las curvas anteriores, la puntuación del cáncer puede tener umbrales y clasificar los agrupamientos de calcificaciones en Tipo-1, Tipo-2 y Tipo-3, donde el Tipo-1 identifica un agrupamiento lineal o curvilíneo (lesión benigna), el Tipo- 2 identifica un agrupamiento que tiene uno o más miembros de calcificación que son excepcionalmente grandes y/o brillantes en la imagen de la mamografía, y el Tipo 3 identifica un agrupamiento que probablemente sea maligno. El método puede mostrar la puntuación del cáncer de alguna forma. Por ejemplo, como se muestra en las figuras de imágenes médicas incluidas en la presente memoria, un agrupamiento de calcificaciones puede clasificarse como canceroso, lo que justifica una biopsia.

La Figura 8 es un diagrama de flujo de un método para la detección y cuantificación del cáncer.

Como se muestra en la etapa 802, el método 800 puede incluir recibir una imagen médica, por ejemplo por medio de una interfaz de comunicaciones de un dispositivo informático a través de una red de datos. La imagen médica puede incluir una o más de una imagen de rayos X, una tomografía computarizada (TC), una imagen de resonancia magnética (IRM) y una imagen de ultrasonido. Una o más de las etapas del método 800 pueden ser completadas por un procesador o similar, por ejemplo, un procesador que ejecuta un código incorporado en un medio legible por ordenador no transitorio. El procesador puede incluirse como parte de un dispositivo informático en el que se recibe la imagen médica.

Como se muestra en la etapa 804, el método 800 puede incluir extraer datos etiquetados de la imagen médica, por ejemplo, cuando la imagen médica está incluida en un archivo informático. Los datos etiquetados pueden incluir uno o más de un lado, un espaciado de píxeles, una orientación, un protocolo y una fecha. Los datos etiquetados pueden incluirse en un encabezado de Imágenes Digitales y Comunicación en Medicina (DICOM). Los datos etiquetados pueden incluir metadatos, datos mostrados en una imagen (por ejemplo, estampados en la imagen) o similares.

Como se muestra en la etapa 806, el método 800 puede incluir la detección de un objeto en la imagen para excluirlo de un análisis adicional. El objeto puede ser un objeto externo. El objeto puede detectarse si el objeto tiene al menos uno de: un área mayor que un área predeterminada, una intensidad mayor que una intensidad predeterminada y una relación de círculo mayor que una relación de círculo predeterminada.

Como se muestra en la etapa 808, el método 800 puede incluir convertir la imagen médica en una matriz real de 4 bytes de intensidades para el contorneo.

Como se muestra en la etapa 810, el método 800 puede incluir seleccionar niveles de intensidad para determinar los contornos en la imagen médica.

Como se muestra en la etapa 812, el método 800 puede incluir analizar la imagen médica para determinar un primer subconjunto de contornos en la imagen médica que satisfaga uno o más criterios. El o los criterios pueden incluir que cada contorno en el primer subconjunto de contornos (i) sea cerrado y (ii) incluya un valor de contorno mayor que un área circundante externa al contorno. En un aspecto, los contornos que no satisfacen el o los criterios se descartan.

Como se muestra en la etapa 814, el método 800 puede incluir analizar uno o más atributos geométricos y uno o más atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos basado en contornos que satisfacen uno o más atributos geométricos y de contraste predeterminados. El o los atributos geométricos de contornos pueden incluir al menos uno de: un centroide, un área, un perímetro, una relación de círculo y un indicador interior. El o los atributos de contraste de los contornos pueden incluir al menos uno de: una intensidad, un contraste interno, un contraste externo y una escala de gradiente.

Como se muestra en la etapa 816, el método 800 puede incluir seleccionar un tercer subconjunto de contornos del segundo subconjunto de contornos que corresponde a calcificaciones potenciales. El tercer subconjunto de contornos puede seleccionarse sobre la base de contornos dentro del segundo subconjunto que satisfagan los primeros criterios de calcificación. La selección del tercer subconjunto de contornos puede incluir la exclusión de los contornos ubicados dentro de una distancia predeterminada desde al menos un borde de la imagen médica y/o un borde de tejido.

Los primeros criterios de calcificación pueden incluir contornos que tengan un área predeterminada y una escala de gradiente predeterminada. El área predeterminada puede estar entre aproximadamente 0,003 mm2 y aproximadamente 800 mm2, y la escala de gradiente predeterminada puede ser inferior a aproximadamente 1,3 mm. Adicional o alternativamente, los primeros criterios de calcificación pueden incluir contornos que tengan una intensidad predeterminada, una relación de círculo predeterminada, un contraste interno predeterminado y un contraste externo predeterminado. La intensidad predeterminada puede ser mayor que aproximadamente 0,67 veces la intensidad máxima, la relación de círculo predeterminada puede ser mayor que aproximadamente 0,65, el contraste interno predeterminado puede ser mayor que aproximadamente 1,06 y el contraste externo predeterminado puede ser mayor que aproximadamente 1,22. Adicional o alternativamente, los primeros criterios de calcificación pueden incluir contornos que tengan un área predeterminada, una relación de círculo predeterminada y al menos un contraste interno predeterminado y/o una escala de gradiente predeterminada. El área predeterminada puede ser menor que aproximadamente 0,30 mm2, la relación de círculo predeterminada puede ser mayor que aproximadamente 0,65, el contraste interno predeterminado puede ser mayor que aproximadamente 1,04, y la escala de gradiente predeterminada puede ser mayor que aproximadamente 0,3 mm. Adicional o alternativamente, los primeros criterios de calcificación pueden incluir contornos que tengan un área predeterminada, una relación de círculo predeterminada y una intensidad predeterminada.

Como se muestra en la etapa 818, el método 800 puede incluir guardar el tercer subconjunto de contornos, por ejemplo, en una memoria del dispositivo informático.

Como se muestra en la etapa 820, el método 800 puede incluir clasificar contornos incluidos en el tercer subconjunto de contornos sobre la base de una métrica de selección. La métrica de selección puede representar una combinación de contraste e intensidad.

Como se muestra en la etapa 822, el método 800 puede incluir agrupar contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas.

Como se muestra en la etapa 824, el método 800 puede incluir identificar contornos externos en cada estructura anidada que representa una forma de contorno y contornos internos en cada estructura anidada que proporciona datos sobre gradientes internos.

Como se muestra en la etapa 826, el método 800 puede incluir identificar calcificaciones para cada estructura anidada sobre la base de al menos uno de: una derivada de contorno y un parámetro de agrupación calculado para cada estructura anidada. La derivada del contorno puede medir la rapidez con la que varía la intensidad en una estructura anidada.

Como se muestra en la etapa 828, el método 800 puede incluir seleccionar calcificaciones de las estructuras anidadas que satisfagan el segundo criterio de calcificación. El segundo criterio de calcificación puede incluir un umbral en una derivada de contorno y un umbral en un parámetro de agrupación.

Como se muestra en la etapa 830, el método 800 puede incluir agrupar las calcificaciones seleccionadas en agrupamientos, por ejemplo, sobre la base de una o más de las calcificaciones vecinas y una escala de agrupamiento espacial.

Como se muestra en la etapa 832, el método 800 puede incluir calcular propiedades de agrupamiento con el procesador. Las propiedades de agrupamiento pueden incluir una o más de: un centroide del agrupamiento, una longitud media del agrupamiento, una anchura media del agrupamiento, una relación de aspecto, un eje principal y una fracción de empaquetamiento.

Como se muestra en la etapa 834, el método 800 puede incluir clasificar los agrupamientos como benignos o posible cáncer mediante la realización de uno o más de: un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos.

Como se muestra en la etapa 836, el método 800 puede incluir puntuar los agrupamientos usando una función analítica de propiedades geométricas y de contraste de las calcificaciones dentro de cada agrupamiento, y disposiciones espaciales de las calcificaciones dentro de cada agrupamiento.

En un aspecto, un producto de programa informático puede incluir un código informático ejecutable no transitorio incorporado en un medio legible por ordenador no transitorio que, al ejecutarse en uno o más dispositivos informáticos, realiza las etapas consistentes en: recibir una imagen médica a través de una interfaz de comunicaciones de un dispositivo informático a través de una red de datos; analizar la imagen médica para determinar un primer subconjunto de contornos en la imagen médica que satisfaga uno o más criterios; analizar uno o más atributos geométricos y uno o más atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos sobre la base de contornos que satisfagan uno o más atributos geométricos y de contraste predeterminados; seleccionar a partir del segundo subconjunto de contornos un tercer subconjunto de contornos que corresponda a calcificaciones potenciales, estando basado el tercer subconjunto seleccionado en contornos dentro del segundo subconjunto que satisfagan el primer criterio de calcificación; clasificar los contornos incluidos en el tercer subconjunto de contornos en función de una métrica de selección, teniendo en cuenta la métrica de selección una combinación de contraste e intensidad; agrupar los contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas; seleccionar calcificaciones de las estructuras anidadas que satisfagan los segundos criterios de calcificación; agrupar las calcificaciones seleccionadas en agrupamientos basados en una o más de las calcificaciones vecinas y una escala de agrupamiento espacial; clasificar los agrupamientos como benignos o como posible cáncer mediante la realización de uno o más de: un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos; y puntuar los agrupamientos usando una función analítica de: propiedades geométricas y de contraste de las calcificaciones dentro de cada agrupamiento, y disposiciones espaciales de las calcificaciones dentro de cada agrupamiento.

En un aspecto, un sistema puede incluir un dispositivo informático que incluye una interfaz de red para comunicaciones a través de una red de datos y un motor de puntuación del cáncer que tiene un procesador y una memoria. El motor de puntuación del cáncer puede incluir una interfaz de red para comunicaciones a través de la red de datos. El motor de puntuación del cáncer puede configurarse para recibir una imagen médica del dispositivo informático. La memoria puede configurarse para almacenar la imagen médica. El procesador puede configurarse para analizar la imagen médica, generar una puntuación del cáncer para la imagen médica y transmitir la puntuación del cáncer al dispositivo informático para su visualización en una interfaz de usuario del mismo. El análisis de la imagen médica puede incluir: determinar un primer subconjunto de contornos en la imagen médica que satisfaga uno o más criterios; analizar uno o más atributos geométricos y uno o más atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos sobre la base de contornos que satisfagan uno o más atributos geométricos y de contraste predeterminados; seleccionar a partir del segundo subconjunto de contornos un tercer subconjunto de contornos que corresponda a calcificaciones potenciales, basándose el tercer subconjunto seleccionado en contornos dentro del segundo subconjunto que satisfagan el primer criterio de calcificación; clasificar los contornos incluidos en el tercer subconjunto de contornos sobre la base de una métrica de selección, teniendo en cuenta la métrica de selección una combinación de contraste e intensidad; agrupar los contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas; seleccionar calcificaciones a partir de las estructuras anidadas que satisfagan los segundos criterios de calcificación; agrupar las calcificaciones seleccionadas en agrupamientos basados en una o más de las calcificaciones vecinas y una escala de agrupamiento espacial; clasificar los agrupamientos como benignos o como posible cáncer mediante la realización de uno o más de: un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos; y puntuar los agrupamientos usando una función analítica para generar la puntuación del cáncer.

En un aspecto, un método implementado por ordenador puede incluir: recibir uno o más elementos de información médica para su procesamiento y análisis en un dispositivo informático, incluyendo el o los elementos de información médica una imagen médica de tejido; analizar, con un procesador del dispositivo informático, una zona de la imagen médica para determinar la presencia de uno o más contornos en la zona; extraer, con el procesador, una o más propiedades del contorno o de los contornos; introducir, con el procesador, una o más propiedades en un primer algoritmo para determinar una indicación de cáncer para la zona; introducir, con el procesador, la indicación de cáncer en un segundo algoritmo para generar una puntuación del cáncer para la zona; y generar la puntuación del cáncer para la zona.

La descripción anterior, con fines explicativos, se ha descrito con referencia a realizaciones específicas. Sin embargo, las anteriores descripciones ilustrativas no pretenden ser exhaustivas o limitar la invención a las formas precisas descritas. A la luz de las anteriores indicaciones se pueden realizar muchas modificaciones y variaciones.

Los sistemas y métodos descritos en la presente memoria pueden implementarse a través de uno o más componentes, sistemas, servidores, dispositivos, otros subcomponentes, o distribuirse entre dichos elementos. Cuando se implementan como un sistema, estos sistemas pueden incluir y/o involucrar, entre otros, componentes tales como módulos de software, CPU de propósito general, RAM, etc., que se encuentran en ordenadores de propósito general. En implementaciones en las que las innovaciones residen en un servidor, dicho servidor puede incluir o involucrar componentes tales como CPU, RAM, etc., como los que se encuentran en ordenadores de propósito general.

Además, los sistemas y métodos de la presente memoria pueden lograrse mediante implementaciones con componentes de software, hardware y/o firmware dispares o completamente diferentes, más allá de lo expuesto más arriba. Con respecto a dichos otros componentes (por ejemplo, software, componentes de procesamiento, etc.) y/o medios legibles por ordenador asociados con las presentes implementaciones o que incorporan las mismas, por ejemplo los aspectos de las innovaciones de la presente memoria pueden implementarse de acuerdo con numerosos propósitos generales o configuraciones o sistemas informáticos de propósito especial. Varios sistemas informáticos, entornos y/o configuraciones ejemplares que pueden ser adecuados para su uso con las innovaciones de la presente memoria pueden incluir, pero no se limitan a: software u otros componentes dentro de ordenadores personales o incorporados en los mismos, servidores o dispositivos informáticos de servidor, tales como componentes de enrutamiento/conectividad, dispositivos portátiles o de mano, sistemas multiprocesador, sistemas basados en microprocesadores, descodificadores, dispositivos electrónicos de consumo, PC de red, otras plataformas informáticas existentes, entornos informáticos distribuidos que incluyen uno o más de los sistemas o dispositivos arriba indicados, etc.

En algunos casos, los aspectos de los sistemas y métodos se pueden lograr o realizar mediante lógica y/o instrucciones lógicas que incluyen módulos de programa, ejecutados en asociación con dichos componentes o circuitos, por ejemplo. En general, los módulos de programa pueden incluir rutinas, programas, objetos, componentes, estructuras de datos, etc., que desarrollan tareas particulares o implementan instrucciones particulares. Las realizaciones también se pueden poner en práctica en el contexto de software distribuido, configuraciones de ordenador o de circuitos, estando conectados los circuitos a través de buses de comunicación, circuitos o enlaces. En configuraciones distribuidas, el control/las instrucciones pueden tener lugar desde medios de almacenamiento informático locales y remotos, incluyendo dispositivos de almacenamiento de memoria.

El software, los circuitos y los componentes de la presente memoria también pueden incluir y/o utilizar uno o más tipos de medios legibles por ordenador. Los medios legibles por ordenador pueden consistir en cualquier medio disponible que resida, se pueda asociar con o sea accesible mediante dichos circuitos y/o componentes informáticos. A modo de ejemplo, y no de limitación, los medios legibles por ordenador pueden comprender medios de almacenamiento informático y medios de comunicación. Los medios de almacenamiento informático incluyen medios volátiles y no volátiles y medios extraíbles y no extraíbles implementados con cualquier método o tecnología para almacenar información, como instrucciones legibles por ordenador, estructuras de datos, módulos de programas u otros datos. Los medios de almacenamiento electrónicos incluyen, pero no se limitan a, RAM, ROM, e Ep ROM, memoria flash u otra tecnología de memoria, CD-ROM, discos versátiles digitales (DVD) u otro almacenamiento óptico, cinta magnética, almacenamiento en disco magnético u otros dispositivos de almacenamiento magnéticos, o cualquier otro medio que se pueda utilizar para almacenar la información deseada y al que se pueda acceder a través de un componente informático. Los medios de comunicación pueden comprender instrucciones legibles por ordenador, estructuras de datos, módulos de programa y/u otros componentes. Además, los medios de comunicación pueden incluir medios cableados tales como una red cableada o una conexión cableada directa, donde los medios de cualquier tipo no incluyen aquí medios transitorios. Las combinaciones de cualquiera de los anteriores también están incluidas dentro del alcance del medio legible por ordenador.

En la presente descripción, los términos componente, módulo, dispositivo, etc. pueden referirse a cualquier tipo de elementos de software, circuitos, bloques y/o procesos lógicos o funcionales, que se pueden implementar de diversas formas. Por ejemplo, las funciones de varios circuitos y/o bloques se pueden combinar entre sí en cualquier otro número de módulos. Cada módulo puede incluso implementarse como un programa de software almacenado en una memoria tangible (por ejemplo, memoria de acceso aleatorio, memoria de solo lectura, memoria CD-ROM, unidad de disco duro, etc.) para ser leído por una unidad central de procesamiento con el fin de implementar las funciones de las innovaciones de la presente memoria. O los módulos pueden comprender instrucciones de programación transmitidas a un ordenador de propósito general o a hardware de procesamiento/gráficos a través de una onda portadora de transmisión. Además, los módulos se pueden implementar como circuitos lógicos de hardware que implementan las funciones abarcadas por las innovaciones de la presente memoria. Finalmente, los módulos se pueden implementar usando instrucciones de propósito especial (instrucciones SIMD), matrices lógicas programables in situ o cualquier combinación de las mismas que proporcione el nivel deseado de rendimiento y costo.

Como se describe en la presente memoria, las características coherentes con la divulgación pueden implementarse a través de hardware, software y/o firmware informático. Por ejemplo, los sistemas y métodos descritos en la presente memoria pueden realizarse de diversas formas, incluyendo, por ejemplo, un procesador de datos, tal como un ordenador que también incluya una base de datos, circuitos electrónicos digitales, firmware, software o en combinaciones de ellos. Además, aunque algunas de las implementaciones descritas describen componentes de hardware específicos, los sistemas y métodos coherentes con las innovaciones de la presente memoria pueden implementarse con cualquier combinación de hardware, software y/o firmware. Además, las características arriba mencionadas y otros aspectos y principios de las innovaciones de la presente memoria pueden implementarse en diversos entornos. Dichos entornos y aplicaciones relacionadas pueden construirse especialmente para realizar las diversas rutinas, procesos y/u operaciones de acuerdo con las implementaciones descritas en la presente memoria o pueden incluir un ordenador de propósito general o una plataforma informática activada selectivamente o reconfigurada por código para proporcionar la funcionalidad necesaria. Los procesos descritos en la presente memoria no están relacionados inherentemente con ningún ordenador, red, arquitectura, entorno u otro aparato en particular, y pueden implementarse mediante una combinación adecuada de hardware, software y/o firmware. Por ejemplo, se pueden utilizar varias máquinas de propósito general con programas escritos de acuerdo con las enseñanzas de las implementaciones de la presente memoria, o puede ser más conveniente construir un aparato o sistema especializado para realizar los métodos y técnicas requeridos.

Los aspectos del método y el sistema descritos en la presente memoria, como la lógica, también se pueden implementar como funcionalidad programada en cualquiera de una variedad de circuitos, incluyendo dispositivos lógicos programables ("PLD"), tales como matrices de puertas programables in situ ("FPGA"), dispositivos de lógica de matriz programable ("PAL"), dispositivos de memoria y lógica programable eléctricamente y dispositivos basados en celdas estándar, así como circuitos integrados de aplicación específica. Algunas otras posibilidades para implementar aspectos incluyen: dispositivos de memoria, microcontroladores con memoria (como EEPROM), microprocesadores, firmware, software, etc. integrados. Además, los aspectos pueden realizarse en microprocesadores que tienen emulación de circuito basada en software, lógica discreta (secuencial y combinatoria), dispositivos personalizados, lógica difusa (neuronal), dispositivos cuánticos e híbridos de cualquiera de los tipos de dispositivos arriba indicados. Las tecnologías de dispositivos subyacentes pueden proporcionarse en una variedad de tipos de componentes, por ejemplo tecnologías de transistores de efecto de campo de semiconductores de óxido metálico ("MOSFET") como semiconductores de óxido de metal complementarios ("CMOS"), tecnologías bipolares como lógica de emisor acoplado ("ECL"), tecnologías de polímeros (por ejemplo, polímero conjugado con silicio y estructuras polímero-metal conjugadas con metal), analógicas y digitales mixtas, etc.

También debe tenerse en cuenta que las diversas lógicas y/o funciones descritas en la presente memoria pueden habilitarse utilizando cualquier número de combinaciones de hardware, firmware y/o como datos y/o instrucciones incorporadas en diversos medios legibles por máquina o por ordenador, en términos de su comportamiento, transferencia de registro, componente lógico y/u otras características. Los medios legibles por ordenador en los que se pueden incorporar dichos datos formateados y/o instrucciones incluyen, entre otros, medios de almacenamiento no volátiles en diversas formas (por ejemplo, medios de almacenamiento ópticos, magnéticos o semiconductores) aunque nuevamente no incluyen medios transitorios. A menos que el contexto requiera claramente lo contrario, a lo largo de la descripción, las palabras "comprende", "que comprende" y similares deben interpretarse en un sentido inclusivo en oposición a un sentido exclusivo o exhaustivo; es decir, en el sentido de "que incluye, pero no se limita a". Además, las palabras "en la presente memoria", "a continuación", "más arriba", "más abajo" y palabras de importancia similar se refieren a esta solicitud como un todo y no a partes particulares de esta solicitud.

Además, los sistemas, dispositivos, métodos, procesos y similares arriba indicados pueden realizarse en hardware, software o cualquier combinación de los mismos adecuada para una aplicación particular. El hardware puede incluir un ordenador de propósito general y/o un dispositivo informático dedicado. Esto incluye la realización en uno o más microprocesadores, microcontroladores, microcontroladores integrados, procesadores de señales digitales programables u otros dispositivos programables o circuitos de procesamiento, junto con memoria interna y/o externa. Adicional o alternativamente, esto puede incluir uno o más circuitos integrados específicos de la aplicación, matrices de puertas programables, componentes lógicos de matrices programables o cualquier otro dispositivo o dispositivos que puedan configurarse para procesar señales electrónicas. Además, se apreciará que una realización de los procesos o dispositivos arriba descritos puede incluir código ejecutable por ordenador creado usando un lenguaje de programación estructurado como C, un lenguaje de programación orientado a objetos como C++, o cualquier otro lenguaje de programación de alto o bajo nivel (incluyendo lenguajes ensambladores, lenguajes de descripción de hardware y lenguajes y tecnologías de programación de bases de datos) que puedan almacenarse, compilarse o interpretarse para ejecutarse en uno de los dispositivos arriba indicados, así como combinaciones heterogéneas de procesadores, arquitecturas de procesadores o combinaciones de diferentes hardware y software. En otro aspecto, los métodos se pueden realizar en sistemas que ejecutan las etapas de los mismos, y se pueden distribuir entre dispositivos de varias formas. Al mismo tiempo, el procesamiento puede distribuirse entre dispositivos tales como los diversos sistemas arriba descritos, o toda la funcionalidad puede integrarse en un dispositivo independiente dedicado u otro hardware. En otro aspecto, los medios para realizar las etapas asociadas con los procesos arriba descritos pueden incluir cualquiera del hardware y/o software arriba descritos. Está previsto que todas estas permutaciones y combinaciones entren dentro del alcance de la presente divulgación.

Las realizaciones descritas en la presente memoria pueden incluir productos de programas informáticos que comprendan código ejecutable por ordenador o código utilizable por ordenador que, cuando se ejecute en uno o más dispositivos informáticos, realice cualquiera y/o todas las etapas del mismo. El código puede almacenarse de manera no transitoria en una memoria informática, que puede ser una memoria desde la que se ejecuta el programa (como una memoria de acceso aleatorio asociada con un procesador), o un dispositivo de almacenamiento como una unidad de disco, memoria flash o cualquier otro dispositivo óptico, electromagnético, magnético, infrarrojo o de otro tipo o cualquier combinación de estos dispositivos. En otro aspecto, cualquiera de los sistemas y métodos descritos arriba puede realizarse en cualquier medio de transmisión o propagación adecuado que lleve un código ejecutable por ordenador y/o cualquier entrada o salida del mismo.

Se entenderá que los dispositivos, sistemas y métodos arriba descritos se exponen a modo de ejemplo y no de limitación. A no ser que se indique explícitamente lo contrario, las etapas descritas pueden modificarse, complementarse, omitirse y/o reordenarse sin apartarse del alcance de esta divulgación. Para un experto en la técnica serán evidentes numerosas variaciones, adiciones, omisiones y otras modificaciones. Además, el orden o la presentación de las etapas del método en la descripción y los dibujos anteriores no pretende requerir este orden de realización de las etapas enumeradas, a menos que se requiera expresamente un orden particular o que éste se desprenda claramente del contexto.

Está previsto que las etapas del método de las implementaciones descritas en la presente memoria incluyan cualquier método adecuado para hacer que se realicen dichas etapas del método, de acuerdo con la patentabilidad de las siguientes reivindicaciones, a menos que se proporcione expresamente un significado diferente o que éste se desprenda claramente del contexto. Entonces, por ejemplo, la realización de la etapa de X incluye cualquier método adecuado para hacer que otra parte, como un usuario remoto, un recurso de procesamiento remoto (por ejemplo, un servidor u ordenador en la nube) o una máquina, realice la etapa de X. De manera similar, la realización de las etapas X , Y y Z pueden incluir cualquier método para dirigir o controlar cualquier combinación de dichos otros individuos o recursos con el fin de realizar las etapas X, Y y Z para obtener el beneficio de dichas etapas. Por lo tanto, está previsto que las etapas del método de las implementaciones descritas en la presente memoria incluyan cualquier método adecuado para hacer que una o más partes o entidades realicen las etapas, de acuerdo con la patentabilidad de las siguientes reivindicaciones, a menos que se proporcione expresamente un significado diferente o que éste se desprenda claramente del contexto. Dichas partes o entidades no necesitan estar bajo la dirección o el control de ninguna otra parte o entidad, y no necesitan estar ubicadas dentro de una jurisdicción en particular.

Además se ha de entender que los métodos arriba indicados se proporcionan a modo de ejemplo. A no ser que se indique explícitamente lo contrario, las etapas descritas pueden modificarse, complementarse, omitirse y/o reordenarse sin apartarse del alcance de esta divulgación.

Se apreciará que los métodos y sistemas arriba descritos se establecen a modo de ejemplo y no de limitación. Para un experto en la técnica serán evidentes numerosas variaciones, adiciones, omisiones y otras modificaciones. Además, el orden o la presentación de las etapas del método en la descripción y los dibujos anteriores no pretende requerir este orden de realización de las etapas enumeradas, a menos que se requiera expresamente un orden particular o que éste se desprenda claramente del contexto. Por lo tanto, aunque se han mostrado y descrito realizaciones particulares, para los expertos en la técnica será evidente que se pueden realizar diversos cambios y modificaciones en la forma y los detalles sin apartarse del alcance de esta divulgación, y que está previsto que éstos formen parte de la invención tal como se define en las siguientes reivindicaciones, que deben interpretarse en el sentido más amplio permitido por la ley.

Claims (15)

REIVINDICACIONES

1. Un método implementado por ordenador para la detección y cuantificación del cáncer, que comprende:

recibir una imagen médica por medio de una interfaz de comunicaciones de un dispositivo informático a través de una red de datos;

analizar la imagen médica, con un procesador del dispositivo informático, para determinar un primer subconjunto de contornos en la imagen médica que satisfaga uno o más criterios;

analizar, con el procesador, uno o más atributos geométricos y uno o más atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos sobre la base de contornos que satisfagan uno o más atributos de contraste y geométricos predeterminados; seleccionar, con el procesador, un tercer subconjunto de contornos a partir del segundo subconjunto de contornos que corresponda a calcificaciones potenciales, seleccionándose el tercer subconjunto de contornos sobre la base de contornos dentro del segundo subconjunto que satisfagan el primer criterio de calcificación; clasificar, con el procesador, los contornos incluidos en el tercer subconjunto de contornos sobre la base de una métrica de selección, teniendo en cuenta la métrica de selección una combinación de contraste e intensidad;

agrupar, con el procesador, los contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas;

seleccionar, con el procesador, calcificaciones de las estructuras anidadas que satisfagan los segundos criterios de calcificación;

agrupar, con el procesador, las calcificaciones seleccionadas en agrupamientos basados en una o más de las calcificaciones vecinas y una escala de agrupamiento espacial;

clasificar, con el procesador, los agrupamientos como benignos o como posible cáncer mediante la realización de uno o más de: un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos; y

puntuar, con el procesador, los agrupamientos utilizando una función analítica de propiedades geométricas y de contraste de las calcificaciones dentro de cada agrupamiento, y las disposiciones espaciales de las calcificaciones dentro de cada agrupamiento.

2. El método implementado por ordenador de la reivindicación 1, en el que la imagen médica incluye una o más de una imagen de rayos X, una tomografía computarizada (TC), una imagen de resonancia magnética (IRM) y una imagen por ultrasonidos.

3. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 2, que comprende además extraer, con el procesador, datos etiquetados de la imagen médica, estando incluida la imagen médica en un archivo informático.

4. El método implementado por ordenador de la reivindicación 3, en el que los datos etiquetados se incluyen en un encabezado de Imágenes Digitales y Comunicación en Medicina (DICOM).

5. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 4, que comprende además seleccionar, con el procesador, niveles de intensidad para determinar contornos en la imagen médica.

6. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 5, en el que el o los atributos geométricos de contornos incluyen al menos uno de: un centroide, un área, un perímetro, una relación de círculo y un indicador, y/o en los que el o los atributos de contraste de los contornos incluyen al menos uno de: una intensidad, un contraste interno, un contraste externo y una escala de gradiente.

7. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 6, en el que la selección del tercer subconjunto de contornos incluye excluir contornos ubicados dentro de una distancia predeterminada de al menos un borde de la imagen médica y/o un borde de tejido.

8. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 7, en el que: el primer criterio de calcificación incluye uno o más de:

contornos que tienen un área predeterminada y una escala de gradiente predeterminada;

contornos que tienen una intensidad predeterminada, una relación de círculo predeterminada, un contraste interno predeterminado y un contraste externo predeterminado;

contornos que tienen un área predeterminada, una relación de círculo predeterminada y al menos un contraste interno predeterminado y/o una escala de gradiente predeterminada; y

contornos que tienen un área predeterminada, una relación de círculo predeterminada y una intensidad predeterminada.

9. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 8, que comprende además identificar, con el procesador, calcificaciones para cada estructura anidada sobre la base de al menos uno de: una derivada de contorno y un parámetro de agrupación calculado para cada estructura anidada.

10. El método implementado por ordenador de la reivindicación 9, en el que la derivada del contorno mide la rapidez con la que varía la intensidad en una estructura anidada.

11. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 10, que comprende además identificar, con el procesador, los contornos exteriores en cada estructura anidada que representan una forma de contorno y contornos interiores en cada estructura anidada que proporcionan datos sobre gradientes internos.

12. El método implementado por ordenador de cualquiera de las reivindicaciones 1 a 11, en el que el segundo criterio de calcificación incluye un umbral en una derivada de contorno y un umbral en un parámetro de agrupación.

13. El método implementado por ordenador de la reivindicación 12, en el que las propiedades del agrupamiento incluyen una o más de: un centroide del agrupamiento, una longitud media del agrupamiento, una anchura media del agrupamiento, una relación de aspecto, un eje principal y una fracción de empaquetamiento.

14. Un producto de programa informático que comprende un código no transitorio ejecutable por ordenador incorporado en un medio no transitorio legible por ordenador que, cuando se ejecuta en uno o más dispositivos informáticos, realiza las etapas consistentes en:

recibir una imagen médica a través de una interfaz de comunicaciones de un dispositivo informático a través de una red de datos;

analizar la imagen médica para determinar un primer subconjunto de contornos en la imagen médica que satisfaga uno o más criterios;

analizar uno o más atributos geométricos y uno o más atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos sobre la base de contornos que satisfagan uno o más atributos geométricos y de contraste predeterminados;

seleccionar en el segundo subconjunto de contornos un tercer subconjunto de contornos que corresponda a calcificaciones potenciales, seleccionándose el tercer subconjunto sobre la base de contornos dentro del segundo subconjunto que satisfagan el primer criterio de calcificación;

clasificar los contornos incluidos en el tercer subconjunto de contornos sobre la base de una métrica de selección, teniendo en cuenta la métrica de selección una combinación de contraste e intensidad;

agrupar los contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas;

seleccionar calcificaciones de las estructuras anidadas que satisfagan los segundos criterios de calcificación;

agrupar las calcificaciones seleccionadas en agrupamientos basados en una o más de las calcificaciones vecinas y una escala de agrupamiento espacial;

clasificar los agrupamientos como benignos o como posible cáncer mediante la realización de uno o más de: un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos; y

puntuar los agrupamientos utilizando una función analítica de: propiedades geométricas y de contraste de las calcificaciones dentro de cada agrupamiento, y disposiciones espaciales de las calcificaciones dentro de cada agrupamiento.

15. Un sistema que comprende:

un dispositivo informático que incluye una interfaz de red para comunicaciones a través de una red de datos; y

un motor de puntuación del cáncer que tiene un procesador y una memoria, incluyendo el motor de puntuación del cáncer una interfaz de red para comunicaciones a través de la red de datos, estando configurado el motor de puntuación del cáncer para recibir una imagen médica desde el dispositivo informático, estando configurada la memoria para almacenar la imagen médica, y estando configurado el procesador para analizar la imagen médica, generar una puntuación del cáncer para la imagen médica y transmitir la puntuación del cáncer al dispositivo informático con el fin de mostrarla en una interfaz de usuario del mismo, comprendiendo el análisis de la imagen médica:

determinar un primer subconjunto de contornos en la imagen médica que satisfaga uno o más criterios; analizar uno o más atributos geométricos y uno o más atributos de contraste de contornos incluidos en el primer subconjunto de contornos para identificar un segundo subconjunto de contornos sobre la base de contornos que satisfagan uno o más atributos geométricos y de contraste predeterminados; seleccionar en el segundo subconjunto de contornos un tercer subconjunto de contornos que corresponda a calcificaciones potenciales, seleccionándose el tercer subconjunto sobre la base de contornos dentro del segundo subconjunto que satisfagan el primer criterio de calcificación;

clasificar los contornos incluidos en el tercer subconjunto de contornos sobre la base de una métrica de selección, teniendo en cuenta la métrica de selección una combinación de contraste e intensidad; agrupar los contornos incluidos en el tercer subconjunto de contornos en estructuras anidadas; seleccionar calcificaciones de las estructuras anidadas que satisfagan los segundos criterios de calcificación; agrupar las calcificaciones seleccionadas en agrupamientos basados en una o más de las calcificaciones vecinas y una escala de agrupamiento espacial;

clasificar los agrupamientos como benignos o como posible cáncer mediante la realización de uno o más de: un análisis de regresión de las calcificaciones dentro de los agrupamientos, detección de bordes, un análisis de densidad de los agrupamientos y un análisis de circularidad de los agrupamientos; y

puntuar los agrupamientos utilizando una función analítica para generar la puntuación del cáncer.