Resumen

La enfermedad del cáncer de próstata es uno de los tipos comunes que causan daños en la próstata de los hombres en todo el mundo. El antígeno de membrana específico de la próstata (PSMA) expresado por el tipo II es un estilo extremadamente atractivo para el diagnóstico basado en imágenes del cáncer de próstata. Clínicamente, la terapia fotodinámica (PDT) se utiliza como terapia no invasiva en el tratamiento de varios cánceres y algunas otras enfermedades. El objetivo de este trabajo es segmentar o agrupar y analizar los píxeles de las imágenes histológicas y del infrarrojo cercano (NIR) del cáncer de próstata adquiridas mediante agentes moleculares de bajo peso dirigidos a la TFD. Dichos agentes pueden proporcionar una guía de imagen para la resección de los tumores de próstata y permitir la posterior PDT con el fin de eliminar las células cancerosas restantes o no erradicables. La segmentación de la imagen de la próstata en color se lleva a cabo utilizando un enfoque de segmentación de imágenes optimizado. El enfoque optimizado combina el algoritmo de agrupación k-means con el método del codo que puede dar una mejor agrupación de los píxeles mediante la determinación automática del mejor número de clusters. Las estadísticas de los clusters y los resultados de la relación de los píxeles en las imágenes segmentadas muestran la aplicabilidad del enfoque propuesto para dar el número óptimo de clusters para el análisis y el diagnóstico del cáncer de próstata.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:número de cluster, antígeno de membrana específico, célula de cáncer no erradicable, imagen de cáncer de próstata, diagnóstico de próstata, análisis de cáncer de próstata, resultados de píxeles, enfermedad de cáncer de próstata, clustering de píxeles, algoritmo de clustering de medios
• Keywords:number of cluster, specific membrane antigen, noneradicable cancer cell, prostate cancer image, diagnosis of prostate, prostate cancer analysis, results of pixels, prostate cancer disease, clustering of pixels, means clustering algorithm