Extracción de la sintaxis visual en imágenes de histopatología

Aprender automáticamente la dependencia espacial existente entre las diferentes estructuras histopa

El diagnóstico de una muestra de histopatología es un proceso complejo que implica el reconocimiento preciso de diferentes estructuras, su función y su relaciones espaciales. La forma en que el patólogo representa el contenido de la imagen y las relaciones entre dichas estructuras le permite diagnósticar de forma acertada. Por lo tanto, una representación semántica del contenido de la imagen puede ser útil en varias tareas, tales como clasificación de láminas tumorales, recuperación por contenido y análisis de la imagen de histopatogía, entre otros. Sin embargo, reconocer automáticamente las estructuras histológicas, comprender su significado semántico y modelar sus relaciones son todavía tareas difíciles. Este trabajo propone una representación sintáctica que permita describir conceptos histopatológicos con fines de clasificación. Primero se identifican los conceptos locales utilizando un enfoque de aprendizaje por diccionario, es decir, el algoritmo aprende los átomos más representativas de un conjunto de parches aleatorios incluidos en la muestra. A continuación modela las relaciones espaciales entre ellos contando el co-ocurrencia entre átomos y finalmente, se evalúa la importancia de cada átomo en la imagen para conformar un concepto.