Esquemas de mutación para micro evolución diferencial adaptativa (µSADE) en clasificación de imágenes médicas

Abstract

El diagnóstico asistido por computadora (CAD) en imágenes médicas requiere procesos de segmentación robustos, ya que el procesamiento adecuado de una imagen influye directamente en la calidad de las características extraídas, como ocurre en técnicas de Radiomics. En el presente trabajo se evalúa la técnica de umbralización Multi-Otsu optimizada mediante algoritmos evolutivos, con el objetivo de mejorar la segmentación de radiografías en cuatro regiones relevantes: fondo, tejido blando, hueso y posibles patologías. Se comparó la solución obtenida mediante búsqueda exhaustiva del método clásico de Multi-Otsu con los resultados obtenidos mediante Evolución Diferencial (DE) clásica y una versión de Micro Evolución Diferencial Adaptativa (µSADE), utilizando dos esquemas de mutación ampliamente empleados en el estado del arte (Best/1 y Rand/1). Las características extraídas de las imágenes segmentadas se emplearon en un proceso de clasificación binaria utilizando una Máquina de Vectores de Soporte (SVM) con kernel lineal. Este proceso se aplicó a tres conjuntos de datos de imágenes médicas correspondientes a COVID-19, tuberculosis y neumonía. Los resultados obtenidos permitieron analizar el impacto de la optimización de umbrales en el desempeño de clasificación y fueron contrastados mediante técnicas estadísticas para evaluar el desempeño de los algoritmos evolutivos en la búsqueda de umbrales óptimos.