Un nuevo algoritmo de segmentación de imágenes mejora la precisión en el diagnóstico del cáncer de piel

El melanoma es un tipo de cáncer de piel que a pesar de su menor incidencia, representa una grave amenaza debido a su potencial para metastatizar cuando no se detecta a tiempo. La segmentación de imágenes se ha convertido en una herramienta esencial en el diagnóstico del cáncer de piel, ya que permite localizar con precisión las lesiones para el análisis clínico. Sin embargo, esta tarea presenta desafíos únicos, como la variación en la forma, el tamaño y la textura de las lesiones, así como las interferencias visuales en las imágenes dermatoscópicas, lo que dificulta una delineación clara de los bordes. Estos desafíos requieren algoritmos de segmentación que sean robustos y adaptables, una necesidad que este nuevo estudio busca abordar.

💻 ¿De qué algoritmo se trata?

El estudio introduce el algoritmo Velocity Hunger Games Search (VHGS), un método de umbral de múltiples niveles que combina un mecanismo de actualización de velocidad del algoritmo de optimización de enjambre de partículas (PSO) con el algoritmo de Hunger Games Search (HGS) original. El objetivo del VHGS es mejorar la capacidad del algoritmo para explorar espacios de solución complejos, evitar la convergencia prematura y mantener la diversidad de la población.

La eficacia del método se evaluó utilizando dos funciones objetivas (la varianza entre clases de Otsu y la entropía de Kapur) y tres métricas de rendimiento: Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index (SSIM) y Feature Similarity Indexing Method (FSIM). 

El VHGS fue comparado con otros 9 algoritmos conocidos, como PSO, DE y GA, en dos conjuntos de datos: 9 imágenes de referencia y un conjunto de 2.500 imágenes dermatoscópicas de cáncer de piel.

✅ ¿Qué dicen los resultados de eficacia?

El VHGS demostró una superioridad constante sobre los otros métodos en las tareas de segmentación, con un rendimiento óptimo en la mayoría de las evaluaciones en ambos conjuntos de datos y en todos los niveles de umbral.

📷 Resultados en imágenes de cáncer de piel:

• PSNR: El VHGS logró la puntuación PSNR más alta en el 50% de los casos evaluados con el método de Kapur y en el 62% con el de Otsu.

• FSIM: El VHGS alcanzó el mejor resultado FSIM en el 50% de los casos con el método de Kapur y en el 87% con el de Otsu.

🖥️ Eficiencia computacional: 

El VHGS fue el algoritmo más rápido de todos los comparados.

🥼 A modo de conclusión

El algoritmo VHGS representa una solución robusta y competitiva para la segmentación de imágenes dermatológicas. Al lograr una alta precisión y una adaptabilidad constante, este método mejora la medición de características diagnósticas como la asimetría, la irregularidad de los bordes y la distribución del color. De este modo, contribuye a un análisis automatizado más fiable y proporciona a los dermatólogos información visual y cuantitativa más fidedigna para la toma de decisiones clínicas. 

Los autores concluyen que estos hallazgos confirman la superioridad del VHGS y planean extender su aplicación a otras modalidades de imágenes médicas como la resonancia magnética (MRI) y la tomografía computarizada (CT) en el futuro.