🤖 machine learning

Segmentation and Classification of Pap Smear Images for Cervical Cancer Detection Using Deep Learning

Este estudio propone un marco de aprendizaje profundo que combina la segmentación U-Net y la clasificación para la detección del cáncer cervical, encontrando que si bien la segmentación de imágenes produce mejoras marginales en la precisión y la puntuación F1 en el conjunto de datos Herlev, su impacto general en el rendimiento de la clasificación sigue siendo limitado.

Autores originales: Nisreen Albzour, Sarah S. Lam

Publicado 2026-06-24

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Nisreen Albzour, Sarah S. Lam

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La visión general: Encontrar una aguja en un pajar

Imagina que eres un médico que intenta encontrar algunas malezas específicas y peligrosas (células cancerosas) escondidas dentro de un jardín gigante y desordenado (una lámina de Papanicolaou). Actualmente, los médicos tienen que mirar estas láminas bajo un microscopio una por una. Es lento, agotador y, a veces, podrían pasar por alto una maleza o confundir una flor inofensiva con una maleza porque están cansados o la imagen está borrosa.

Este artículo plantea una pregunta sencilla: Si usamos una computadora para primero "recortar" solo las malezas y desechar la tierra y el ruido de fondo, ¿mejorará la computadora su capacidad para detectar las más peligrosas?

La configuración: El jardín y las herramientas

Los investigadores utilizaron un famoso jardín digital llamado Herlev Dataset. Contiene 917 imágenes de células. Estas se dividieron en dos grupos:

Normal: Células sanas (las flores buenas).
Anormal: Células cancerosas o precancerosas (las malas malezas).

Construyeron dos "detectives digitales" (modelos de IA) para clasificar estas imágenes:

Detective A: Mira la imagen completa y desordenada, con malezas, tierra y todo lo demás.
Detective B: Primero utiliza una herramienta especial llamada U-Net para recortar cuidadosamente solo las células, eliminando el ruido de fondo. Luego, observa las células limpias y recortadas.

El experimento: Limpiando el lente

Para asegurar que la prueba fuera justa, los investigadores no solo dividieron los datos a la mitad. Utilizaron un método llamado validación cruzada de 5 pliegues (5-fold cross-validation). Piensa en esto como una carrera de relevos donde los datos se dividen en cinco equipos. La IA entrena con cuatro equipos y prueba con el quinto, luego rotan para que cada equipo tenga su turno de ser el grupo de prueba. Esto asegura que la IA no esté simplemente memorizando las respuestas, sino aprendiendo realmente las reglas.

También utilizaron la Aumentación de Datos (Data Augmentation), que es como tomar una foto de una flor y luego tomar más fotos de ella volteándola boca abajo, rotándola o cambiando la iluminación. Esto le enseña a la IA que una maleza sigue siendo una maleza aunque esté inclinada o en la sombra.

Los resultados: ¿Ayudó la limpieza?

Los investigadores compararon qué tan bien se desempeñaron el Detective A (imágenes desordenadas) y el Detective B (imágenes segmentadas y limpias). Esto es lo que encontraron:

Precisión (Exactitud general): Ambos detectives hicieron casi el mismo trabajo. El Detective A acertó el 81.02% de las veces, mientras que el Detective B acertó el 80.80%. De hecho, ¡el detective de la imagen desordenada fue ligeramente mejor en la puntuación general!
Precisión (No dar falsas alarmas): El Detective B fue ligeramente mejor al no llamar "enferma" a una célula sana. Mejoró un 0.41%.
La puntuación "equilibrada" (F1-Score): Esta es una puntuación que intenta equilibrar la exactitud con el no omitir nada. Aquí, el Detective B (el que miró las células limpias y recortadas) lo hizo ligeramente mejor, mejorando un 1.30%.

La conclusión: Un pequeño paso, no un salto gigante

La conclusión principal es sorprendentemente modesta. Los investigadores descubrieron que recortar el fondo (segmentación) ayudó a la computadora a tener una visión un poco más equilibrada, mejorando el "F1-score" en poco más de un 1%.

Sin embargo, el artículo establece explícitamente que esta mejora es muy pequeña. Las imágenes "limpias" no convirtieron a la computadora en un superhéroe; solo la hicieron un poco menos confundida sobre la diferencia entre células sanas y enfermas. El impacto de la segmentación en el rendimiento final de la clasificación parece ser limitado.

¿Qué sigue?

Los autores sugieren que, si bien su método de "limpieza" funcionó un poco, podría no ser la solución mágica. Proponen que el trabajo futuro debería observar herramientas más avanzadas (como los "Vision Transformers", que son como un tipo de lente de cámara diferente y más potente) y probar estos sistemas de manera aún más rigurosa para ver si realmente pueden ayudar a los médicos a diagnosticar el cáncer de forma más temprana y confiable.

En resumen: Limpiar la imagen ayudó a la computadora un poquito, pero no resolvió todo el problema. La computadora todavía está aprendiendo cómo detectar las malezas en el jardín.

Resumen Técnico: Segmentación y Clasificación de Imágenes de Papanicolaou para la Detección del Cáncer Cervicouterino mediante Aprendizaje Profundo

Planteamiento del Problema
El cáncer cervical sigue siendo una de las principales causas de mortalidad relacionada con el cáncer entre las mujeres a nivel mundial, por lo que la detección temprana mediante pruebas de Papanicolaou es fundamental para reducir las tasas de mortalidad. Sin embargo, el examen manual de las láminas de Papanicolaou es laborioso, propenso al error humano y sufre de variabilidad interobservador. Aunque el Aprendizaje Profundo (DL), específicamente las Redes Neuronales Convolucionales (CNN), ha mostrado potencial para automatizar el análisis de imágenes médicas, el impacto específico de los pasos de preprocesamiento —particularmente la segmentación de imágenes— en el rendimiento de la clasificación en citología cervical requiere una validación empírica adicional. Este estudio aborda la necesidad de determinar si el aislamiento de las células cervicales del ruido de fondo mediante la segmentación produce una mejora mensurable en la precisión diagnóstica en comparación con el uso de imágenes en bruto.

Metodología
La investigación empleó un marco sistemático utilizando el Herlev Pap Smear Dataset, una colección de referencia de 917 imágenes de células cervicales. La metodología procedió a través de las siguientes etapas:

Reestructuración del Conjunto de Datos: El conjunto de datos original de siete clases fue reestructurado en un problema de clasificación binaria: Normal (células epiteliales sanas, $n=242$ ) y Anormal (células displásicas y de carcinoma, $n=675$ ).
Preprocesamiento y Segmentación:
- Las imágenes se redimensionaron a $128 \times 128$ píxeles y se normalizaron.
- Se utilizó una arquitectura U-Net para generar máscaras de segmentación, aislando las células cervicales del fondo. Las máscaras fueron procesadas posteriormente para reescalar los valores de los píxeles, reduciendo eficazmente el ruido de fondo para la fase de clasificación.
Aumento de Datos: Para abordar la disponibilidad limitada de datos y prevenir el sobreajuste, se aplicaron técnicas que incluyen el volteo (flipping), rotación y ajustes de contraste.
Arquitectura de Clasificación: Se diseñó una CNN personalizada para la clasificación binaria. La arquitectura constó de:
- Tres capas convolucionales con tamaños de filtro de 32, 64 y 128, cada una seguida de un pooling máximo (max pooling).
- Funciones de activación ReLU.
- Regularización L2 y capas de dropout para mitigar el sobreajuste.
- Una capa totalmente conectada (128 neuronas) y una capa de salida softmax.
- El entrenamiento se optimizó utilizando el optimizador Adam con pérdida de entropía cruzada categórica.
Protocolo de Evaluación: Para asegurar una generalización robusta, se implementó una validación cruzada de 5 pliegues (5-fold cross-validation) en lugar de una simple división de entrenamiento/prueba. El rendimiento se evaluó en dos procesos distintos: uno entrenado con imágenes no segmentadas (en bruto) y otro con imágenes segmentadas. Las métricas incluyeron precisión (accuracy), precisión (precision), sensibilidad (recall) y puntuación F1.

Contribuciones Clave

Análisis Comparativo: El estudio proporciona una comparación empírica directa entre el rendimiento de la CNN en imágenes de Papanicolaou en bruto frente a las imágenes segmentadas por U-Net, aislando la variable de la segmentación para medir su contribución específica a la precisión diagnóstica.
Implementación del Marco de Trabajo: Establece un flujo de trabajo de aprendizaje profundo que integra U-Net para la segmentación y una CNN compacta para la clasificación, validado mediante una rigurosa validación cruzada.
Contexto de Interpretabilidad: El trabajo reconoce el papel de los Mapas de Activación de Clase (CAM) y la IA explicable para mejorar la confianza clínica, posicionando el marco propuesto como un paso hacia diagnósticos automatizados transparentes.

Resultados
Los resultados experimentales indicaron que la inclusión de la segmentación produjo solo mejoras marginales en el rendimiento de la clasificación:

Precisión (Accuracy): El modelo no segmentado logró un 81.02%, mientras que el modelo segmentado alcanzó un 80.80% (una disminución de 0.22%).
Precisión (Precision): Mejoró ligeramente de 80.44% (no segmentado) a 80.85% (segmentado), una ganancia de +0.41%.
Sensibilidad (Recall): Disminuyó de 81.02% a 80.80%.
Puntuación F1: Mostró la mejora más notable, ascendiendo de 78.25% a 79.55%, una ganancia de +1.30%.

Aunque el modelo segmentado demostró un rendimiento más equilibrado entre la precisión y la sensibilidad (indicado por la mejora en la puntuación F1), la precisión de clasificación general se mantuvo comparable entre ambos enfoques. Los autores señalaron que el modelo segmentado exhibió menos fluctuaciones en la precisión de validación durante el entrenamiento, lo que sugiere que puede aprender características más discriminativas, aunque las ganancias finales de rendimiento fueron limitadas.

Significancia y Reivindicaciones
El artículo concluye modestamente que, si bien la segmentación ayuda en la extracción de características y la reducción de ruido, su impacto en el rendimiento final de la clasificación para la detección del cáncer cervical es limitado dentro del alcance de esta arquitectura CNN específica y este conjunto de datos. El estudio no afirma que la segmentación sea una solución definitiva para mejorar la precisión diagnóstica, sino que sugiere que ofrece un "rendimiento de clasificación ligeramente más equilibrado".

Los autores posicionan este trabajo como una herramienta suplementaria para aplicaciones clínicas que ayuda a los patólogos, en lugar de un reemplazo de la revisión manual. Encuadran explícitamente sus hallazgos como una línea base para investigaciones futuras. El artículo argumenta que el trabajo futuro debe ir más allá de las simples comparaciones de CNN para evaluar arquitecturas más complejas (como los Vision Transformers), ensambles híbridos y procesos de calibración. El estudio enfatiza que las evaluaciones futuras deben priorizar la robustez estadística, la calibración y la explicabilidad a través de diferentes cohortes, señalando que la complejidad del modelo no siempre garantiza una generalización robusta sin protocolos de validación rigurosos.