Los puntos clave no están disponibles para este artículo en este momento.
En este artículo, se emplearon wavelets para el análisis de imágenes a múltiples escalas con el fin de extraer parámetros para la descripción de la textura de la cromatina en el diagnóstico citológico y la clasificación del cáncer de mama invasivo. Su valor se estimó al comparar el rendimiento de parámetros de co-ocurrencia, densitométricos y morfométricos en un esquema de clasificación automatizado de K-vecinos más cercanos (Knn) basado en imágenes microscópicas de núcleos aislados de tejido embebido en parafina. Este diseño permitió un estudio retrospectivo citológico multifacético cuyo valor práctico se puede juzgar fácilmente. Los resultados muestran que los wavelets funcionan excelentemente con puntuaciones de clasificación comparables a las de características densitométricas y de co-ocurrencia. Además, dado que los wavelets mostraron un alto valor aditivo con los otros grupos texturales, este panel permitió una descripción muy profunda con puntajes de reconocimiento más altos que los reportados anteriormente (76% para núcleos individuales, 100% para casos). Los parámetros morfométricos tuvieron un rendimiento inferior y solo incrementaron ligeramente la clasificación correcta. La mayor desventaja, además de los errores de segmentación de imágenes que requieren supervisión del operador, fue el bajo número de casos falsos negativos, lo que restringe el uso práctico inmediato. Sin embargo, una ampliación del conjunto de parámetros podría evitar esta mala clasificación, resultando en un sistema experto aplicable de uso práctico.
Weyn et al. (Tue,) estudiaron esta cuestión.