Imagen Médica - Radiología PDF Imprimir E-mail

En esta área M.J. Lado y P.G. Tahoces han desarrollado sistemas de detección automática de microcalcificaciones y de masas malignas en mamografías digitales, y se han evaluado los sistemas mediante análisis ROC, antes y después de la aplicación de LDA para reducir las falsas detecciones y aumentar, de este modo, la capacidad diagnóstica del sistema CAD. Estudios preliminares ya realizados por miembros de este equipo para la misma tarea empleando GAM en lugar de LDA, ponen de manifiesto una mejora en la capacidad diagnóstica del sistema.

 

 ¿Qué objetivos concretos tiene esta área del GRID[ECMB]?

  • Mejorar la capacidad diagnóstica de un sistema CAD de detección automática de microcalcificaciones y masas malignas en mamografías digitales.
  • Estudio de simulación comparativo del análisis de regresión ROC-GAM.
  • Desarrollo de software (en Fortran, R y S-plus) sobre curvas ROC basadas en GAM.

  

¿Qué miembros  del GRID[ECMB trabajan en esta área?

Para el desarrollo de las actividades de investigación participarán M.J. Rodríguez, M. López, J. Roca, P.G. Tahoces, M.J. Lado y C. Cadarso. que  Actualmente abordan la mejora de la capacidad diagnóstica de un sistema CAD de detección automática de microcalcificaciones y masas malignas en mamografías digitales, mediante el empleo de GAMs y de las metodologías de regresión ROC flexibles. Se realizan tambien estudios de simulación comparativos de las distintas metodologías propuestas. Colaboraremos con el Laboratorio de Imagen Radiológica de la USC, y con los Servicios de Radiología de los Hospitales que requieran el mismo análisis de datos. El desarrollo de software (en Fortran y en S-plus) sobre curvas ROC basadas en GAM, es una labor informática que corre  a cargo de M.J. Rodríguez, M. López y J Roca, en colaboración con el técnico informático.

 

 Publicación

1) Roca Pardiñas, Javier; Cadarso Suárez, Carmen María; Garcia-Tahoces, Pablo and Lado, M. José (2009). Selecting variables in non-parametric regression models for binary response An application to the computerized detection of breast cancer. Statistics in Medicine Vol. 28, 2, pp. 240-259.

2) Roca Pardiñas, Javier; Cadarso Suárez, Carmen María; Garcia-Tahoces, Pablo and Lado, M. José (2008). Assessing continuous bivariate effects among different groups through nonparametric regression models. Application to breast cancer detection. Computational Statistics and Data Analysis Vol. 52, pp. 1958-1970.

3) Lado, M. José; Cadarso Suárez, Carmen María; Roca Pardiñas, Javier and Garcia-Tahoces, Pablo (2008). Categorical Variables, Interactions and Generalized Additive Models. Applications in Computer-Aided Diagnosis Systems. Computers in Biology and Medicine Vol. 38(4), pp. 475-83.

4) Cadarso Suárez, Carmen María; Roca Pardiñas, Javier and Figueiras Guzmán, Adolfo (2006). Effect measures in nonparametric regression with interactions among continuous exposures. Statistics in Medicine, Vol. 25, pp. 603-621.

5) Lado, M. José; Cadarso Suárez, Carmen María; Roca Pardiñas, Javier and Garcia-Tahoces, Pablo (2006). Using Generalized Additive Models in Computer-Aided Diagnosis Systems. A Flexible Alternative to the Linear Discriminant Analysis. IEEE Transactions on Information Technology in Biomedicine Vol. 10 (2), pp. 246-253.

 

Última actualización el Jueves, 29 de Abril de 2010 10:45
 
, Powered by Joomla! and designed by SiteGround web hosting