Comparison of algorithms to categorize breast composition in mammography images

El càncer de mama és un repte per a la salut mundial, ja que és el càncer més comú diagnosticat en dones. Les taxes de supervivència d’aquest càncer poden augmentar a partir d’un diagnòstic precoç de la patologia, motiu pel qual s’estableixen programes de cribratge per a dones asimptomàtiques. Avui en dia, els radiòlegs i radiòlogues estudien i descriuen les mamografies a partir d’un sistema estàndard conegut com a Breast Imaging Reporting and Data System (BI- RADS). Aquest sistema classifica les imatges en 6 categories diferents segons les característiques i/o patologies del pit. En aquest projecte, s’han classificat de manera automàtica 796 mamografies aplicant dos algoritmes diferents: “Digital Mammography Challenge” (DMC) i Convolutional Neural Network (CNN). Després de l’aplicació d’ambdós mètodes de classificació s’han obtingut els següents resultats: DMC ha assolit un 78,44% de precisió (és a dir, classificació correcta) mentre que CNN ha aconseguit un 82,16% en l’algoritme d’entrenament i un 62,5% en el test. El cáncer de mama es un reto para la salud mundial, ya que es el cáncer más común diagnosticado en mujeres. Las tasas de supervivencia de este cáncer pueden aumentar a partir del diagnóstico precoz de la patología, por lo que se establecen programas de cribado para mujeres asintomáticas. Hoy en día, los radiólogos y radiólogas estudian y describen las mamografías a partir de un sistema estándar conocido como Breast Imaging Reporting and Data System (BI- RADS). Este sistema clasifica las imágenes en 6 categorías diferentes según las características y/o patologías del pecho. En este proyecto, se han clasificado de manera automática 796 mamografías aplicando dos algoritmos diferentes: ”Digital Mammography Challenge” (DMC) y Convolutional Neural Network (CNN). Después de la aplicación de ambos métodos de clasificación se han obtenido los siguientes resultados: DMC ha alcanzado un 78,44 % de precisión (es decir, clasificación correcta) mientras que CNN ha conseguido un 82,16 % en el algoritmo de entrenamiento y un 62,5 % en el test. Breast cancer a global health challenge as it is the most common cancer diagnosed in women. An early diagnosis can increment the survival rates, thus detection programs aim to obtain mammography images of thousands of asymptomatic women. Nowadays, radiologists study and describe a mammography using a standard system known as Breast Imaging Reporting and Data System (BI-RADS). This system classifies images into 6 different categories depending on the pathology found on the breast. In this project, 796 mammography images have been automatically classified by applying two dif- ferent algorithms: Digital Mammography Challenge algorithm (DMC) and Convolutional Neural Network algorithm (CNN). Different accuracy have been observed by using both algorithms: DMC achieved a 78,44% of accuracy (namely correct classification) while CNN has achieved a 82,16% in the train performance and a 62,5% in the test. Outgoing