UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMAS
COMPUTACIONALES
DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO
DIGITAL DE IMÁGENES PARA PATOLOGÍAS
PRESENTES EN LA CAVIDAD BUCAL
PROYECTO DE TITULACIÓN
Previa a la obtención del Título de:
INGENIERO EN SISTEMAS COMPUTACIONALES
AUTORAS:
QUITO CÁRDENAS DEYSE SOFÍA
SALVATIERRA GUANUCHE VANESSA LISSETTE
TUTOR: ING. ALFONSO GUIJARRO RODRÍGUEZ, MG.
GUAYAQUIL – ECUADOR
2018
II
REPOSITORIO NACIONAL EN CIENCIAS Y TECNOLOGÍA
FICHA DE REGISTRO DE TESIS
TÍTULO: “DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO DIGITAL DE IMÁGENES PARA PATOLOGÍAS PRESENTES EN LA CAVIDAD BUCAL.”
AUTORES: Deyse Sofía Quito Cárdenas Vanessa Lissette Salvatierra Guanuche
Revisor: Lcda. María Galarza, Mg
INSTITUCIÓN: UNIVERSIDAD DE GUAYAQUIL
FACULTAD: CIENCIAS MATÉMATICAS Y FÍSICAS
CARRERA: INGENIERÍA EN SISTEMAS COMPUTACIONALES
FECHA DE PUBLICACIÓN: NO DE PAGS: 165
AREA TEMÁTICA: Investigación Científica
PALABRAS CLAVE: Procesamiento de imagen, segmentación, imágenes digitales, patologías bucales, caries
RESUMEN: El diagnóstico de patologías bucales, es sin duda una habilidad que deben adquirir los odontólogos. Sin embargo, aquellos que recién empiezan su camino en dicha especialidad, carecen de experiencia. Por tal motivo, este trabajo tiene como propósito identificar técnicas de procesamiento digital de imágenes que se apliquen para la detección de patologías existentes en la cavidad bucal de los pacientes, con la finalidad de contribuir a la toma de decisiones de los especialistas. La metodología que se empleó, fue la investigación bibliográfica, revisando varias publicaciones de diversas bases de datos científicas, aplicando criterios de inclusión y exclusión para obtener la población y muestra de estudio. Cabe recalcar que en el meta-análisis se evidenció que entre las técnicas más utilizadas para la detección de patologías bucales como caries y gingivitis; son Sobel, K-means y Canny. De esta manera se concluye que las técnicas de procesamiento digital de imágenes pueden ser utilizadas como una herramienta que ayude a reforzar los diagnósticos de patologías bucales, además de que se pueden implementar para la detección de otras patologías presentes en la cavidad bucal. NO DE REGISTRO: NO DE CLASIFICACIÓN:
DIRECCIÓN URL:
ADJUNTO PDF
SI
NO
CONTACTO CON AUTORES: Deyse Sofía Quito Cárdenas Vanessa Lissette Salvatierra Guanuche
TELÉFONO: 0990270753 0967058940
EMAIL: [email protected] [email protected]
Contacto De La Institución
NOMBRE: Ab. Juan Chávez Atocha
TELÉFONO: 2307729
X
III
APROBACIÓN DEL TUTOR
En mi calidad de Tutor del trabajo de investigación, “Diagnóstico Preliminar
mediante Procesamiento Digital de Imágenes para Patologías presentes en
la Cavidad Bucal” elaborado por las Srtas. Deyse Sofía Quito Cárdenas y
Vanessa Lissette Salvatierra Guanuche, Alumnas no tituladas de la
Carrera de Ingeniería en Sistemas Computacionales, Facultad de Ciencias
Matemáticas y Físicas de la Universidad de Guayaquil, previo a la
obtención del Título de Ingeniero en Sistemas Computacionales, me
permito declarar que luego de haber orientado, estudiado y revisado, la
Apruebo en todas sus partes.
Atentamente
Ing. Alfonso Guijarro Rodríguez, Mg.
TUTOR
IV
DEDICATORIA
Este trabajo de titulación, dedico a
mis padres por apoyarme y guiarme
durante mi vida estudiantil, A todas
aquellas personas que
contribuyeron en la realización del
mismo, a mis amigos que me
acompañaron en lo largo de mi vida
universitaria, A los docentes que
me brindaron su conocimiento en
las diferentes materias durante mi
carrera.
Deyse Sofía Quito Cárdenas
V
DEDICATORIA
El presente trabajo va dedicado a
mis padres, porque son parte
fundamental en mi vida, los que
siempre han estado conmigo,
apoyándome y guiándome para
seguir adelante, y no rendirme en el
camino y de esa manera culminar
mi carrera con éxito. También va
dedicado a mi querido y apreciado
grupo de amigos, aquellas
personas que se volvieron
incondicional en mi vida,
brindándome siempre su apoyo,
cariño y consejos que me ayudaron
mucho para culminar este proceso.
Vanessa Lissette Salvatierra Guanuche
VI
AGRADECIMIENTO
Doy gracias a Dios nuestro ser
supremo que me brindo la
capacidad y la inteligencia
necesaria para obtener la luz del
conocimiento, a mis padres por
darme la vida y apoyarme en todo
el trayecto de estudio de mi
carrera, a las personas y amigos
que han estado a mi lado siempre
apoyándome y un agradecimiento
al Ing. Alfonso Guijarro por
ayudarme desinteresadamente e
incondicionalmente para
materializar mis ideas en este
trabajo.
Deyse Sofía Quito Cárdenas
VII
AGRADECIMIENTO
De manera incondicional doy
gracias a Dios, por brindarme
sabiduría y entusiasmo para
seguir creciendo de manera
profesional. Además, le
agradezco por rodearme de
personas maravillosas como mis
padres, que siempre me brindaron
su apoyo incondicionalmente. A
mis amigos que siempre
estuvieron ahí para alentarme y
ayudarme cuando más lo
necesite. A mi tutor el Ing. Alfonso
Guijarro, quien siempre estuvo
dispuesto para brindarnos sus
conocimientos, finalmente a cada
uno de los docentes que formaron
parte de mi etapa como
estudiante.
Vanessa Lissette Salvatierra Guanuche
VIII
TRIBUNAL PROYECTO DE TITULACIÓN
__________________________________
Ing. Eduardo Santos Baquerizo, M.Sc.
DECANO DE LA FACULTAD DE CIENCIAS MATÉMATICAS Y FÍSICAS
___________________________
Ing. Abel Alarcón Salvatierra, Mgs, DIRECTOR DE LA CARRERA DE
INGENIERÍA EN SISTEMAS COMPUTACIONALES
Lcda. María Isabel Galarza, Mg. PROFESORA REVISORA DEL ÁREA
TRIBUNAL
Ing. Karla Abad Sacoto, M.Sc. PROFESOR REVISOR DEL ÁREA
TRIBUNAL
Ing. Alfonso Guijarro Rodríguez Mg. PROFESOR TUTOR DELPROYECTO
DE TITULACIÓN
Ab. Juan Chávez Atocha, Esp. SECRETARIO
IX
DECLARACIÓN EXPRESA
“La responsabilidad del contenido de este
Proyecto de Titulación nos corresponde
exclusivamente; y el patrimonio intelectual
de la misma a la UNIVERSIDAD DE
GUAYAQUIL”
Deyse Sofía Quito Cárdenas
Vanessa Lissette Salvatierra Guanuche
X
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES
DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO DIGITAL DE IMÁGENES PARA PATOLOGÍAS
PRESENTES EN LA CAVIDAD BUCAL
Proyecto de Titulación que se presenta como requisito para optar el título
de INGENIERO EN SISTEMAS COMPUTACIONALES
Autor/a: Quito Cárdenas Deyse Sofía
CI: 0928496876
Autor/a: Salvatierra Guanuche Vanessa Lissette
CI: 0928889815
Tutor: Ing. Alfonso Guijarro Rodríguez, Mg.
Guayaquil, Marzo del 2018
XI
CERTIFICADO DE ACEPTACIÓN DEL TUTOR
En mi calidad de Tutor del proyecto de titulación, nombrado por el Consejo Directivo de la Facultad de Ciencias Matemáticas y Físicas de La Universidad de Guayaquil.
CERTIFICO:
Que he analizado el Proyecto de Titulación presentado por las estudiantes DEYSE SOFÍA QUITO CÁRDENAS y VANESSA LISSETTE SALVATIERRA GUANUCHE, como requisito previo para optar por el título de Ingeniero en Sistemas Computacionales cuyo problema es: La complejidad que puede llegar a tener los estudiantes de Odontología, al momento de identificar a simple vista, el tipo de enfermedad que se presente en la cavidad oral. Dando como resultado un diagnóstico erróneo de lo que visualizan. Considero aprobado el trabajo en su totalidad. Presentado por. Quito Cárdenas Deyse Sofía CI: 0928496876 Salvatierra Guanuche Vanessa Lissette CI: 0928889815
Tutor. Ing. Alfonso Guijarro Rodríguez, Mg.
Guayaquil, Marzo del 2018
XII
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS CARRERA DE INGENIERÍA EN SISTEMASCOMPUTACIONALES
Autorización para Publicación de Proyecto de Titulación en Formato Digital
1. Identificación del Proyecto de Titulación Nombre Alumna: Deyse Sofía Quito Cárdenas
Dirección: Bastión Popular Blq. 8 Sl. 12 Mz. 1093
Teléfono:0990270753 E-mail: [email protected]
Nombre Alumna: Vanessa Lissette Salvatierra Guanuche
Dirección: Coop. Francisco Jácome Mz. 223 SL. 01
Teléfono:0967058940 E-mail: [email protected]
Facultad: Ciencias Matemáticas y Físicas
Carrera: Ingeniería en Sistemas Computacionales
Proyecto de titulación al que opta: Ingeniero en Sistemas Computacionales
Profesor guía: Ing. Alfonso Guijarro Rodríguez, Mg.
Título del Proyecto de Titulación: Diagnóstico Preliminar Mediante Procesamiento Digital De Imágenes Para Patologías Presentes En La Cavidad Bucal.
Tema del Proyecto de Titulación: (Palabras claves) Procesamiento de imagen, segmentación, imágenes digitales, patologías bucales, caries.
2. Autorización de Publicación de Versión Electrónica del
Proyecto de Titulación
XIII
A través de este medio autorizamos a la Biblioteca de la Universidad de Guayaquil y a la Facultad de Ciencias Matemáticas y Físicas a publicar la versión electrónica de este Proyecto de Titulación. Publicación electrónica:
Inmediata X Después de 1 año
Firma alumnos (a): Quito Cárdenas Deyse Sofía Salvatierra Guanuche Vanessa Lissette
3. Forma de envío:
El texto del Proyecto de Titulación debe ser enviado en formato Word, como archivo .Doc. o .RTF y .Pdf para PC. Las imágenes que la acompañen pueden ser. gif, .jpg o .TIFF. DVDROM CDROM
X
XIV
ÌNDICE GENERAL
REPOSITORIO NACIONAL EN CIENCIAS Y TECNOLOGÍA .................................. II
APROBACIÓN DEL TUTOR ......................................................................................... III
DEDICATORIA .......................................................................................................... IV
AGRADECIMIENTO ....................................................................................................... VI
ÌNDICE GENERAL ........................................................................................................ XIV
ABREVIATURAS ....................................................................................................... XVII
ÍNDICE DE CUADROS .............................................................................................. XVIII
ÍNDICE DE GRÁFICOS ............................................................................................... XIX
ÍNDICE DE ANEXOS .................................................................................................... XXI
RESUMEN ....................................................................................................... XXII
ABSTRACT ...................................................................................................... XXIII
INTRODUCCIÓN ........................................................................................................... 1
CAPÍTULO I ........................................................................................................... 3
EL PROBLEMA ........................................................................................................... 3
PLANTEAMIENTO DEL PROBLEMA ........................................................................... 3
Ubicación del Problema en un Contexto .................................................................. 3
Situación Conflicto Nudos Críticos ............................................................................ 4
Causas y Consecuencias del Problema ................................................................... 5
Formulación del Problema .......................................................................................... 5
Delimitación del Problema .......................................................................................... 6
Evaluación del Problema ............................................................................................ 6
OBJETIVOS DE LA INVESTIGACIÓN ..................................................................... 8
OBJETIVO GENERAL ............................................................................................. 8
OBJETIVOS ESPECÍFICOS .................................................................................. 8
ALCANCES DEL PROBLEMA ................................................................................... 9
JUSTIFICACIÓN E IMPORTANCIA .......................................................................... 9
METODOLOGÍA DEL PROYECTO ........................................................................ 10
CAPÍTULO II ......................................................................................................... 12
XV
MARCO TEÓRICO ........................................................................................................ 12
ANTECEDENTES DEL ESTUDIO .......................................................................... 12
FUNDAMENTACIÓN TEÓRICA .................................................................................. 13
PATOLOGÍAS BUCALES ......................................................................................... 13
Caries ........................................................................................................................... 13
Clases de caries ..................................................................................................... 15
Síntomas .................................................................................................................. 16
Factores de riesgo ................................................................................................. 16
Diagnóstico .............................................................................................................. 17
Prevención............................................................................................................... 17
Gingivitis ...................................................................................................................... 21
Síntomas .................................................................................................................. 21
Factores de Incidencia .......................................................................................... 22
PROCESAMIENTO DIGITAL DE IMAGEN (PDI) ................................................. 23
Etapas del PDI ........................................................................................................ 24
Técnicas de pre-procesado .................................................................................. 26
Técnicas De Segmentación .................................................................................. 28
Herramientas de Software de PDI ........................................................................... 40
Matlab (MATrix LABorary) .................................................................................... 40
Python ...................................................................................................................... 41
Opencv ..................................................................................................................... 44
Aplicaciones técnicas del PDI .................................................................................. 46
FUNDAMENTACIÓN LEGAL ....................................................................................... 54
VARIABLES DE LA INVESTIGACIÓN ....................................................................... 56
DEFINICIONES CONCEPTUALES ............................................................................ 57
CAPÍTULO III ......................................................................................................... 60
METODOLOGÍA DE LA INVESTIGACIÓN ................................................................ 60
DISEÑO DE LA INVESTIGACIÓN .............................................................................. 60
MODALIDAD DE LA INVESTIGACIÓN .................................................................. 60
Tipo de investigación ................................................................................................. 60
POBLACIÓN Y MUESTRA ........................................................................................... 62
XVI
Población ................................................................................................................. 62
Muestra .................................................................................................................... 63
INSTRUMENTOS DE RECOLECCIÓN DE DATOS ................................................ 66
Procedimientos de la investigación ............................................................................. 68
PROCESAMIENTO Y ANÁLISIS ................................................................................. 69
CAPITULO IV ......................................................................................................... 86
RESULTADOS CONCLUSIONES Y RECOMENDACIONES ............................ 86
RESULTADOS ........................................................................................................... 86
CONCLUSIONES....................................................................................................... 89
RECOMENDACIONES ............................................................................................. 90
BIBLIOGRAFÍA ......................................................................................................... 91
ANEXOS ....................................................................................................... 117
XVII
ABREVIATURAS
UG Universidad de Guayaquil
FCMF Facultad de Ciencias Matemáticas y Físicas
FPO Facultad Piloto de Odontología
PDI Procedimiento Digital de Imágenes
MSP Ministerio de Salud Pública
OMS Organización Mundial de la Salud
OPS Organización panamericana de la Salud
CISC Carrera de Ingeniería en Sistemas Computacionales
TW Transformada Watershed
ICDAS Sistema Internacional para la detección y evaluación de caries
XVIII
ÍNDICE DE CUADROS
CUADRO 1. CAUSAS Y CONSECUENCIAS ...................................................... 5 CUADRO 2. DELIMITACIÓN DEL PROBLEMA................................................... 6 CUADRO 3. CLASIFICACIÓN DE TIPOS DE CARIES ...................................... 18 CUADRO 4. ESTRUCTURA DE LAS IMPLEMENTACIONES DE PYTHON ..... 42 CUADRO 5. ESTRUCTURA DE LAS LIBRERÍAS DE OPENCV ....................... 45 CUADRO 6. VARIABLES DE LA INVESTIGACIÓN ........................................... 56 CUADRO 7. POBLACIÓN DE ARTÍCULOS SELECCIONADOS ....................... 63 CUADRO 8. MUESTRA DE ARTÍCULOS SELECCIONADOS .......................... 64 CUADRO 9. GÉNERO DE LOS ENCUESTADOS ............................................. 70 CUADRO 10. EDADES DE LOS ENCUESTADOS ............................................ 72 CUADRO 11. TABULACIÓN DE DATOS DE LA PREGUNTA 1 ........................ 73 CUADRO 12. TABULACIÓN DE DATOS DE LA PREGUNTA 2 ........................ 75 CUADRO 13. TABULACIÓN DE DATOS DE LA PREGUNTA 3 ........................ 76 CUADRO 14. TABULACIÓN DE DATOS DE LA PREGUNTA 4 ........................ 77 CUADRO 15. TABULACIÓN DE DATOS DE LA PREGUNTA 5 ........................ 78 CUADRO 16. TABULACIÓN DE DATOS DE LA PREGUNTA 6 ........................ 80 CUADRO 17. TABULACIÓN DE DATOS DE LA PREGUNTA 7 ........................ 81 CUADRO 18. TABULACIÓN DE DATOS DE LA PREGUNTA 8 ........................ 82 CUADRO 19. TABULACIÓN DE DATOS DE LA PREGUNTA 9 ........................ 83 CUADRO 20. TABULACIÓN DE DATOS DE LA PREGUNTA 10 ...................... 84
XIX
ÍNDICE DE GRÁFICOS
GRÁFICO 1. ESTUDIOS REALIZADOS ACERCA DE LA CARIES. .................. 14 GRÁFICO 2 ANATOMÍA DEL DIENTE Y TIPOS DE CARIES ........................... 15 GRÁFICO 3. CARIES DENTALES .................................................................... 17 GRÁFICO 4. PREVENCIÓN DE CARIES .......................................................... 18 GRÁFICO 5.FORMACIÓN DE CARIES ............................................................. 20 GRÁFICO 6.COLORACIÓN DE LA PLACA DENTAL ........................................ 20 GRÁFICO 7. PROCESO DE LA GINGIVITIS ..................................................... 21 GRÁFICO 8.ESTUDIOS REALIZADOS ACERCA DE LA GINGIVITIS .............. 23 GRÁFICO 9.ETAPAS DEL PDI .......................................................................... 24 GRÁFICO 10. IMAGEN PRE-PROCESADA ...................................................... 25 GRÁFICO 11.IMAGEN SEGMENTADA ............................................................. 26 GRÁFICO 12. IMAGENORIGINAL .................................................................... 29 GRÁFICO 13. HISTOGRAMA DE LA IMAGEN ................................................. 29 GRÁFICO 14. HISTOGRAMA BIMODAL ........................................................... 30 GRÁFICO 15. HISTOGRAMA NO BIMODAL .................................................... 31 GRÁFICO 16. IMAGEN APLICADA LA TRANSFORMADA DE TOP HAT ......... 32 GRÁFICO 17. IMAGEN EN ESCALA DE GRISES ............................................ 33 GRÁFICO 18.IMAGEN SEGMENTADA CON LA TRANSFORMADA DEWATERSHED ............................................................................................... 33 GRÁFICO 19.IMAGEN APLICANDO LA TRANSFORMADA CANNY ................ 34 GRÁFICO 20.PROCESO DE LA OBTENCIÓN DE LA GRADIENTE ................. 35 GRÁFICO 21. RESULTADO DEL MÉTODO CANNY ........................................ 37 GRÁFICO 22.RESULTADO DEL MÉTODO CANNY ......................................... 37 GRÁFICO 23.RESULTADO UTILIZANDO EL OPERADOR SOBEL .................. 40 GRÁFICO 24. IMAGEN ORIGINAL.................................................................... 48 GRÁFICO 25.IMAGEN DESPUÉS DEL PREPROCESADO .............................. 48 GRÁFICO 26.EXTRACCION DEL ROI .............................................................. 49 GRÁFICO 27.RESULTADO FINAL DE PROCESAMIENTO .............................. 49 GRÁFICO 28.DIAGRAMA ESQUEMÁTICO DEL SOFTWARE .......................... 50 GRÁFICO 29.TÉCNICA DE SOBEL Y PREWITT APLICADA A LA IMAGEN DE RAYOS X .......................................................................................................... 52 GRÁFICO 30.FILTRO GAUSSIANO APLICADO A LA IMAGEN CON LA TÉCNICA DE SOBEL ........................................................................................ 52 GRÁFICO 31.TÉCNICAS UTILIZADAS EN LA INVESTIGACIÓN ..................... 67 GRÁFICO 32.REPRESENTACIÓN GRÁFICA DEL GÉNERO DE LOS ENCUESTADOS ............................................................................................... 71 GRÁFICO 33.REPRESENTACIÓN GRÁFICA DE LAS EDADES ...................... 72 GRÁFICO 34.REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 1 ................ 74 GRÁFICO 35.REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 2 ................ 75 GRÁFICO 36. REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 3 ............... 77 GRÁFICO 37.REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 4 ................ 78 GRÁFICO 38.REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 5 ................ 79 GRÁFICO 39.REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 6 ................ 79 GRÁFICO 40. REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 7 ............... 80 GRÁFICO 41.REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 8 ................ 82 GRÁFICO 42.REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 9 ................ 83 GRÁFICO 43. REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 10 ............. 85
XX
GRÁFICO 44.HERRAMIENTAS TECNOLÓGICAS ........................................... 86 GRÁFICO 45.EVOLUCIÓN DE TÉCNICAS DE SEGMENTACIÓN ................... 88 GRÁFICO 46.PAGINA DE OFICIAL DE MATLAB ............................................. 99 GRÁFICO 47.CREAR CUENTA EN MATLAB ................................................... 99 GRÁFICO 48. INGRESO DE DATOS EN MATLAB ......................................... 100 GRÁFICO 49. INDICACIONES PARA VERIFICAR LA CUENTA DE MATLAB 100 GRÁFICO 50. VERIFICACIÓN DE LA CUENTA DE MATLAB ......................... 101 GRÁFICO 51. PROCESO FINAL PARA LA CREACIÓN DE LA CUENTA EN MATLAB .......................................................................................................... 101 GRÁFICO 52. ACTIVACIÓN DE LA LICENCIA ............................................... 102 GRÁFICO 53. DESCARGA DE MATLAB ........................................................ 102 GRÁFICO 54. DESCARGA DE MATLAB VERSIÓN R2016B .......................... 103 GRÁFICO 55. ELECCION DEL SISTEMA OPERATIVO ................................. 104 GRÁFICO 56. DESCARGA DEL ARCHIVO ..................................................... 104 GRÁFICO 57. INSTALACIÓN DEL MATLAB ................................................... 105 GRÁFICO 58. SELECCIÓN DEL MÉTODO DE INSTALACIÓN ...................... 106 GRÁFICO 59. VERIFICACIÓN DE E-MAIL ...................................................... 106 GRÁFICO 60. VERIFICACIÓN DE LICENCIA ................................................. 107 GRÁFICO 61. SELECCIÓN DE LA UBICACIÓN EN LA PC ............................ 107 GRÁFICO 62. SELECCIÓN DE PAQUETES DE FUNCIONAMIENTO ............ 108 GRÁFICO 63. DESCARGA E INSTALACIÓN DE PAQUETES ........................ 108 GRÁFICO 64. PANTALLA PRINCIPAL DE MATLAB ....................................... 109 GRÁFICO 65. ALGORITMO DE SOBEL ......................................................... 109 GRÁFICO 66. EJECUCIÓN DEL ALGORITMO ............................................... 110 GRÁFICO 67. ALGORITMO DE SOBEL PASO A PASO ................................. 110 GRÁFICO 68. IMAGEN EN ESCALA DE GRISES .......................................... 111 GRÁFICO 69. ALGORITMO USANDO IMSHOW ............................................ 111 GRÁFICO 70. VISUALIZACIÓN DE UMBRALIZACIÓN ................................... 112 GRÁFICO 71. ALGORITMO DE LA TÉCNICA DE SOBEL .............................. 112 GRÁFICO 72. RESULTADO DE LA APLICACIÓN DEL ALGORITMO DE SOBEL ........................................................................................................................ 113 GRÁFICO 73. LIMPIEZA DE PANTALLAS DE TRABAJO ............................... 113
XXI
ÍNDICE DE ANEXOS ANEXO 1. DEMOSTRACIÓN DE TÉCNICA DE SOBEL ................................... 98 ANEXO 2. GUÍA DEL FUNCIONAMIENTO DE LA TÉCNICA DE SOBEL EN MATLAB ............................................................................................................ 99 ANEXO 3. ENCUESTA - ESTUDIANTES ....................................................... 114 ANEXO 4. SOLICITUD ENTREGADA A LA FACULTAD PILOTO DE ODONTOLOGÍA .............................................................................................. 115 ANEXO 5. RESPUESTA A LA SOLICITUD ..................................................... 116 ANEXO 6. ESTADO DEL ARTE ...................................................................... 117 ANEXO 7. META-ANÁLISIS ............................................................................ 133
XXII
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMASCOMPUTACIONALES
DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO
DIGITAL DE IMÁGENES PARA PATOLOGÍAS PRESENTES EN LA CAVIDAD BUCAL
Autores: Deyse Sofía Quito Cárdenas
Vanessa Lissette Salvatierra Guanuche
Tutor: Ing. Alfonso Guijarro Rodríguez, Mg.
RESUMEN El diagnóstico de patologías bucales, es sin duda una habilidad que deben adquirir los odontólogos. Sin embargo aquellos que recién empiezan su camino en dicha especialidad, carecen de experiencia. Por tal motivo, este trabajo tiene como propósito identificar técnicas de procesamiento digital de imágenes que se apliquen para la detección de patologías existentes en la cavidad bucal de los pacientes, con la finalidad de contribuir a la toma de decisiones de los especialistas. La metodología que se empleó, fue la investigación bibliográfica, revisando varias publicaciones de diversas bases de datos científicas, aplicando criterios de inclusión y exclusión para obtener la población y muestra de estudio. Cabe recalcar que en el meta-análisis se evidenció que entre las técnicas más utilizadas para la detección de patologías bucales como caries y gingivitis; son Sobel, K-means y Canny. De esta manera se concluye que las técnicas de procesamiento digital de imágenes pueden ser utilizadas como una herramienta que ayude a reforzar los diagnósticos de patologías bucales, además de que se pueden implementar para la detección de otras patologías presentes en la cavidad bucal.
Palabras claves: Procesamiento de imagen, segmentación, imágenes digitales, patologías bucales, caries.
XXIII
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMASCOMPUTACIONALES
DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO DIGITAL DE IMÁGENES PARA PATOLOGÍAS
PRESENTES EN LA CAVIDAD BUCAL
Autores: Deyse Sofía Quito Cárdenas
Vanessa Lissette Salvatierra Guanuche
Tutor: Ing. Alfonso Guijarro Rodríguez, Mg.
ABSTRACT
The diagnosis of oral pathologies is without doubt a skill that dentists must acquire. However, those who have just begun their path in that specialty, lack experience. For this reason, this work has the purpose of identifying digital image processing techniques that are appliedforthe detection of pathologies existing in the oral cavity of patients, with the purpose of contributing to the decisión making of the specialists. The methodology used was the bibliographic research, reviewing several publications of various scientific data bases, applying inclusion and exclusión criteria to obtain the population and study sample. It should be noted thatthe meta-analysis showed that among the most commonly used techniques for the detection of oral pathologies such as caries and gingivitis; They are Sobel, K-means and Canny. In this way, it is concluded that the digital image processing techniques can be used as a tool that helps to reinforce the diagnosis of oral pathologies, besides that they can be implemented for the detection of other pathologies present in the oral cavity.
Key words: Digital image processing, segmentation, digital images, oral
pathologies, caries.
1
INTRODUCCIÓN
Las enfermedades bucodentales son problemas de salud oral, que afectan a nivel
mundial, a niños y adultos, por ello estudios indican que de cada 10 personas 9
corren el riesgo de adquirir cualquier tipo de patología bucal (López Vantour,
Quinzán Luna, Nuñez Antunez, Marrero Ponce, & Macias Frómeta, 2016).
Además expertos señalan que la falta de información respecto a la importancia del
cuidado de la cavidad oral, es la principal causa, para adquirir este tipo de
patologías, las mismas que podrían ser un impedimento para disfrutar el día a día,
debido al impacto negativo que generan en las personas en diversos ámbitos; ya
sean estos social, psicológico y físico (OPS/OMS, 2013). De tal manera la rama
de odontología busca contrarrestar el índice de problemas bucodentales mediante
procedimientos especializados, así como también la realización de campañas que
permitan la obtención de un diagnóstico, para previo tratamiento y prevención de
las patologías orales. Esto ha motivado a profesionales de la salud a trabajar en
conjunto con ingenieros matemáticos e informáticos, para contribuir a la detección
de las patologías bucales relacionando de tal forma la odontología con la
informática y así incursionar en el procesamiento digital de imágenes (PDI).
El PDI y su uso en la ciencia, se ha convertido en un tema de interés, debido a la
cantidad de procesos que se llevan a cabo en diferentes áreas, como medicina,
ingeniería, geología, astronomía, entre varias, en las cuales se necesita ver hasta
el mínimo detalle de las imágenes, que aporten a la toma de decisiones. A pesar
de que hoy en día el PDI, es una disciplina que abarca varios campos, en sus
inicios no fue así, por lo que se encontraba restringido solo a la computación,
astronomía, matemáticas y aplicaciones militares (Rojas Montes, 2012). Sin duda
alguna el avance de la tecnología ha contribuido, para que el PDI, sea considerado
como una disciplina fundamental en la ciencia, debido a que cada vez se cuenta
con hardware y software más eficientes, que aportan a la obtención de resultados
más certeros, convirtiéndose en una herramienta muy versátil.
En el presente proyecto de investigación se buscó trabajos con mayor relevancia
en técnicas de procesamiento digital de imágenes que se apliquen para la
detección de patologías bucales, ya sean estas caries o gingivitis, y presentar los
2
avances que muestran las técnicas del PDI, asociadas a problemas odontológicos,
en un artículo de revisión.
A continuación, se realiza una breve introducción de los cuatro capítulos del
presente trabajo: En el primer capítulo se plantea la problemática, además del
análisis de cada uno de los nudos críticos, las causas y consecuencias,
delimitación y evaluación del problema, sin olvidar los objetivos tanto el general
como los específicos, además de los alcances, justificación e importancia.
En el segundo se encuentran los antecedentes de investigaciones relacionadas al
PDI, además del marco teórico, en donde se detalla los conceptos básicos del
mismo, e incluso información referente a patologías bucales: caries, gingivitis, por
último, se encuentran lo que son el marco legal, en el cual se basa la investigación,
las variables y definiciones conceptuales.
En el tercer capítulo de detalla la metodología utilizada para el presente proyecto
de investigación, además de las técnicas e instrumentos que se utilizaron para la
recolección de datos, los cuales posteriormente fueron procesados y analizados.
En el último capítulo se muestran los resultados obtenidos, así como las
conclusiones, recomendaciones y bibliografías que se emplearon para el presente
proyecto.
3
CAPÍTULO I
EL PROBLEMA
PLANTEAMIENTO DEL PROBLEMA
Ubicación del Problema en un Contexto
La salud oral, es un aspecto muy importante, para la salud en general, debido al
impacto positivo que tiene en la calidad de vida, influyendo, física, social y
psicológicamente. Es decir que la salud oral va más allá de tener unos dientes
blancos y perfectos, por la influencia que tiene en las personas, a la hora de hablar,
masticar e incluso al socializar (Sheiham A. , 2005).Por tanto, la presencia de
afecciones bucodentales, no solo afecta a la cavidad bucal, sino que también
repercuten en los aspectos ya antes mencionados. Según la Organización Mundial
de la salud (OMS), del 60% al 90% de los niños de edad escolar y casi el 100%
de los adultos presentan caries dental a nivel mundial (OMS, 2012).
Convirtiéndose en un problema de salud oral, que afecta a la mayor parte de la
población.
El consumo excesivo de bebidas azucaradas, alcohólicas, una mala alimentación,
falta de higiene bucal, entre otros, son elementos causantes de enfermedades
bucodentales, como descalcificación, gingivitis y caries(OMS, 2012).Durante el
2009-2010 en Ecuador, el Ministerio de Salud Pública (MSP), realizó un Estudio
Epidemiológico Nacional de Salud Bucal, con el apoyo de la Organización
Panamericana de la Salud OPS/OMS y la Universidad del Bosque
(Colombia),enfocado a escolares menores de 15 de años, dando como respuesta
un índice mayor del 75%(OPS/OMS, 2011). Es decir que la mayoría de los niños
ecuatorianos tienen caries.
Una de las maneras de contrarrestar el índice de personas con problemas bucales
son las campañas para el diagnóstico, tratamiento y prevención de las patologías
bucales. Durante el presente año 2017, el MSP ha llevado a cabo la campaña
4
“Ecuador sin Caries”, dirigida a la población más joven (niños de 5 a 9 años de
edad). Para de esa manera concientizarlos a una buena higiene bucal.
La FPO de la UG cuenta con varias clínicas, donde aparte de formar a sus
estudiantes con conocimientos prácticos y teóricos, brindan servicios a cualquier
persona que lo desee. Como un aporte de la FCMF hacia la FPO se desea
implementar el uso de técnicas modernas de PDI, las cuales son métodos
experimentales, que permiten establecer diagnósticos preliminares y contribuir
con enseñanza-aprendizaje de técnicas odontológicas.
Situación Conflicto Nudos Críticos El problema radica en la falta de experiencia que pueden llegar a tener los
especialistas de la rama de odontología, al momento de tener que diagnosticar el
problema en la cavidad bucal, cuando este recién empieza a ejercer su profesión,
debido a que los odontólogos se manejan mucho con la vista, y es una habilidad
que se va adquiriendo con la experiencia. Por tal motivo les resultaría complicado
identificar el tipo de afectación, además del grado en que se encuentra la misma,
trayendo como consecuencia, posibles tratamientos inadecuados, que emporan
la situación de los pacientes. Gracias a los avances que existen en la tecnología,
los profesionales pueden informarse de técnicas modernas que van
evolucionando y a su vez funcionan como una herramienta de apoyo para su
trabajo.
El uso de Procesamiento Digital de Imágenes es una disciplina que se la puede
utilizar en diferentes áreas; en donde se requiera realizar un estudio, con respecto
a un tema en específico, mediante el uso de imágenes digitales. El propósito de
ello, en todos los casos, es mejorar la calidad del proceso que se realice.
Este marco teórico da como resultado un Estado del Arte, que busca aportar
información beneficiosa en diversas formas como conocer las funciones de la
metodología que consiste en diagnosticar las diferentes patologías odontológicas
por medio de procesamiento digital de imágenes.
5
Causas y Consecuencias del Problema
Existen muchas causas por las cuales los especialistas pueden dar diagnósticos
equivocados tales como:
CUADRO 1. CAUSAS Y CONSECUENCIAS
Elaboración: Deyse Quito- Vanessa Salvatierra
Fuente: Datos obtenidos de la investigación
Formulación del Problema
¿Cómo el uso de técnicas de PDI, ayudara a la obtener un correcto diagnóstico
preliminar, para la detección, tratamiento y prevención de patologías presentes en
la cavidad bucal?
CAUSAS
CONSECUENCIAS
Poca experiencia ejerciendo la profesión de odontólogo.
Diagnósticos equivocados.
Diagnóstico erróneo.
Tratamientos inadecuados y daños en las piezas dentales.
Poco conocimiento de las técnicas del PDI aplicadas al estudio de patologías bucales.
Deficiente control de diagnósticos bucales.
Poco manejo de herramientas informáticas, que ayuden a la obtención de un diagnóstico.
Uso incorrecto de las herramientas informáticas y pérdida de tiempo.
Poco interés por el manejo de nuevas técnicas que ayuden a la detección de patologías bucales.
Profesionales con conocimiento limitado de las nuevas herramientas tecnológicas.
6
Delimitación del Problema
CUADRO 2. DELIMITACIÓN DEL PROBLEMA.
CAMPO ÁREA ASPECTO TEMA
Tecnológico-
Médico
Odontología
Patologías
bucales
relacionadas al
Procesamiento
Digital de
Imagen.
Diagnóstico
preliminar mediante
procesamiento
digital de imágenes
para patologías
presentes en la
cavidad bucal.
Elaboración: Deyse Quito -Vanessa Salvatierra
Fuente: Datos obtenidos de la investigación
Evaluación del Problema
Para este estudio se consideraron ciertos aspectos, que permitieron evaluar la
problemática expuesta. A continuación, se puntualiza el problema evaluado en
cada uno de los aspectos considerados.
Delimitado
En la actualidad la Carrera de Ingeniería en Sistemas Computacionales (CISC) de
la UG, quiere aportar a la FPO, con el uso de técnicas modernas que ayuden a
establecer diagnósticos preliminares ante las enfermedades bucales. Las
enfermedades bucales, son problemas que afectan a la mayor parte de la
población del país, haciendo énfasis a las causas expuestas anteriormente se
puede obtener un gran número de personas con problemas bucales.
7
Claro
Es claro que es de suma importancia obtener un correcto diagnóstico, acerca de
los posibles problemas que puedan presentarse en la cavidad bucal, porque de
ello depende que se aplique un correcto tratamiento a los posibles problemas,
debido de que si no es así este podría empeorar.
Evidente
Es muy evidente que los problemas bucales, afectan a nivel mundial a niños y
adultos, indiferentemente del género, puesto que son afecciones que se generan
en la cavidad bucal, debido a la falta de cuidado de la misma.
Concreto
La investigación permite obtener datos relevantes acerca del objeto de estudio,
permitiendo estructurar un artículo científico que dé a conocer los posibles
resultados de un diagnóstico preliminar sobre patologías bucales si estas se
analizan con técnicas de PDI.
Relevante
Es relevante porque los problemas bucales son afecciones, que de no ser tratados
a tiempo, pueden ser causantes de complicaciones en otras enfermedades tales
como diabetes, sida, entre otras.
Identifica los Productos Esperados
Como resultado de la investigación se obtendrá una guía que exponga el paso a
paso de cómo establecer el diagnóstico preliminar sobre patologías en la cavidad
bucal, tales como caries, gingivitis y descalcificación, mediante el uso de técnicas
de PDI. Siendo este un aporte para los especialistas de la FPO de la UG.
8
OBJETIVOS DE LA INVESTIGACIÓN
OBJETIVO GENERAL
Desarrollar la línea base de técnicas de procesamiento digital de imágenes,
relacionadas a diagnóstico de las enfermedades presentes en la cavidad bucal
tales como: caries y gingivitis; para de esa forma contribuir a la toma de decisiones
de los especialistas.
OBJETIVOS ESPECÍFICOS
Objetivo 1:
Recopilar artículos científicos de revistas de alto impacto, con pertinencia
en técnicas de PDI, para ser aplicados a patologías bucales.
Objetivo 2:
Obtener datos relevantes acerca de los enfoques teóricos y disciplinares,
para el objeto de estudio, definiendo los criterios de inclusión y exclusión.
Objetivo 3:
Desarrollar un estado del arte (artículo de revisión), para presentar en
forma evolutiva los avances que presentan las técnicas del PDI, asociadas
a problemas odontológicos.
Objetivo 4:
Elaborar un meta-análisis, para mostrar los estudios encontrados en donde
se evidencie el uso de las técnicas del PDI, asociados a la detección de
patologías bucales.
9
ALCANCES DEL PROBLEMA
Para cumplir con los objetivos específicos se tiene como alcances lo siguiente. Alcance 1:
Para recopilar artículos científicos de revistas de alto impacto, fue
necesario visitar bases de datos científicas como Elsevier, IEEE, Medline,
entre otras.
Alcance 2:
Para obtener datos relevantes acerca de los enfoques teóricos y
disciplinares, fue necesario analizar los resúmenes de cada trabajo.
Considerando solo dos patologías bucales: caries y gingivitis, por factor
tiempo.
Alcance 3:
Para preparar el estado del arte con la recopilación evolutiva de las
técnicas de procesamiento de imagen aplicadas a la cavidad bucal, fue
necesario revisar estudios anteriores sobre el tema.
Alcance 4:
Para elaborar el meta-análisis, fue necesario definir los campos de interés
para el estudio.
JUSTIFICACIÓN E IMPORTANCIA Esta investigación busca crear un estado del arte, a partir de artículos científicos
publicados en revistas de alto impacto como Springer, Elsevier, entre otras. La
idea principal es que los Especialistas de la FPO - UG, proporcionen diagnósticos
preliminares mucho más exactos, conociendo y aplicando técnicas de PDI, que
aporten al aprendizaje y enseñanza de nuevas técnicas odontológicas. El uso de
10
técnicas modernas, ayudara a los Especialistas de la Facultad, a determinar con
mayor exactitud la ubicación y estado en las que se encuentran las afecciones
patológicas de la cavidad bucal. Además de contribuir a la enseñanza de sus
estudiantes, al uso y beneficios que obtendrán aplicando nuevas técnicas
odontológicas.
Esta investigación aporta a la toma de decisiones de los especialistas del área de
Odontología, inclusive beneficia a la enseñanza-aprendizaje de los futuros
Odontólogos del país, por lo que se considera importante la existencia de una guía
en la que se detalle el paso a paso de cómo establecer diagnósticos preliminares
de patologías bucales, aplicando técnicas modernas de PDI.
METODOLOGÍA DEL PROYECTO
Se realizo una búsqueda bibliográfica, en la cual se consideraron publicaciones
de los últimos cinco años, localizados en bases de datos como IEEE, Elsevier,
Medline, entre otras. La metodología que se empleó en este proyecto, fue la
investigación bibliográfica, la cual es considerada parte fundamental para la
realización de todo trabajo de investigación, garantizando la relevancia de la
información obtenida de un extenso mundo de documentos (Gómez Luna,
Fernando Navas, Aponte Mayor, & Betancourt Buitrago, 2014). Dicha metodología
se encuentra constituida en varias fases, las cuales se muestran en el grafico 1,
definidas por los autores Gómez Luna, Fernando Navas, Aponte Mayor, &
Betancourt Buitrago (2014) las mismas que se detallan a continuacion:
✓ Definición del problema: Debe estar claramente definido, de manera que
permita al investigador realizar la respectiva búsqueda bibliográfica,
respondiendo así a cada de uno de sus interrogantes, además de
conducirlo a un escenario bastante amplio, que le permita realizar una
retroalimentación.
11
✓ Búsqueda de la información: Debe hacerse desde una perspectiva
estructurada y profesional. Considerando como los puntos más
importantes los siguientes:
✓ Se debe delimitar la búsqueda y saber cuándo parar, aunque exista
un sin número de preguntas por responder antes de abordar el
tema.
✓ El material que se utilice debe ser reconocido, es decir, deben ser
considerados aquellos que han sido revisados cautelosamente por
expertos antes de que sean publicados.
✓ Como punto de partida para cualquier investigación, los libros son
los principales considerados, debido a que proporcionan una buena
base del tema.
✓ Organización de la información: Consiste en organizar toda la
información encontrada en forma sistemática, una de las maneras de
hacerlo es por relevancia, distinguiendo los documentos principales del
resto. Otras formas son utilizando mapas de ideas, diagramas jerárquicos
y tablas de datos, e incluso existen programas especiales que tienen esta
finalidad tales como: Mendele, Reference manager, Zotero, entre otros.
.
✓ Análisis de la información: Se debe realizar en conjunto con la primera
fase, dado a que es un proceso constante y que toma más tiempo en
consideración al resto, por lo que es importante tener un pensamiento
crítico a la hora de analizar la información, debido a que se espera
reafirmar las ideas planteadas en función al problema.
12
CAPÍTULO II
MARCO TEÓRICO
ANTECEDENTES DEL ESTUDIO Las patologías bucodentales son problemas que vienen aquejando a la mayor
parte de las personas, en diferentes aspectos, por lo que especialistas del área,
están buscando brindar la mejor solución, con la finalidad de dar un diagnóstico y
tratamiento adecuado al paciente. A lo largo de los años, se han realizado
diversos estudios, referentes al tema, debido a la cantidad de enfermedades, que
se presenta en el área bucal, induciendo a investigar exhaustivamente las causas-
consecuencias, y la manera de contrarrestarlas (López Verdín, Bologna Molina,
Sánchez Becerra, & Horta Sandoval, 2013).
Por tal motivo especialistas del área informática, están buscando la manera de
aportar sus conocimientos en otras ramas; por eso se propone el uso del
procesamiento digital de imágenes, que son técnicas que pueden ser aplicadas
en varias ciencias, con el fin de obtener mejores resultados, por ejemplo en
Medellín-Colombia, se realizó un análisis de las coordenadas colorimétricas de
una fruta (Guayaba), para detallar el color que iba teniendo, conforme avanzaba
su maduración, además de analizar el comportamiento en distintas condiciones
de manipulación y almacenaje, definiendo así los días de maduración exactos de
la fruta (Castro, Cerquera, & Gutiérrez, 2013).
Con respecto al tema de las patologías bucales y el procesamiento de imágenes,
cabe recalcar que en Málaga-España, se realizó un trabajo que consistía en el
desarrollo de un sistema que ayude a establecer tratamientos de odontología,
enfocado solo en caries, basándose en imágenes digitales, obteniendo así
resultados muy favorables, alcanzando así un 80% y 78% en el reconocimiento
de las caries de la dentina y de esmalte respectivamente (Ridao Marín, 2015).
13
FUNDAMENTACIÓN TEÓRICA
A continuación, se presentan algunas definiciones de los temas que se utilizan en
el desarrollo del presente trabajo, de manera que se podrá adquirir conocimiento
acerca de terminologías y conceptos básicos.
PATOLOGÍAS BUCALES En la cavidad bucal puede localizarse diferentes patologías, como en las piezas
dentales que pueden llegar a tener afecciones que van a alterar su forma,
estructura y función. Causadas por bacterias, tales como:
✓ Placa bacteriana.
✓ Sarro.
✓ Caries.
✓ Gingivitis.
✓ Periodontitis.
✓ Aftas dentales.
✓ Halitosis, entre otras.
Existen muchos tipos de patologías bucales, pero en esta investigación se tratará
específicamente de 2 tipos de patologías las cuales son: Caries y Gingivitis.
Caries:
Nuestra boca por lo general contiene bacterias. Hay cientos de diferentes tipos de
bacterias que viven en la lengua, dientes encías y otros lugares de la boca.
Algunas bacterias son útiles y otras perjudiciales, que son las que causan el
proceso de deterioro en los dientes.
Las caries son el resultado de una infección con ciertos tipos de bacterias que
transforman el azúcar de los alimentos en ácidos. En el transcurso del tiempo,
estos ácidos llegan hacer un agujero o caries dental en el diente. Es un proceso
localizado de origen multifactorial que se inicia después de la erupción dentaria,
14
la mala higiene bucal provocando el reblandecimiento del tejido duro del diente y
evoluciona hasta la formación de una cavidad(OMS, 2004).
La caries dental es un problema de salud pública, uno de los dientes que más
padecen este problema son los molares permanentes ya que son muy
susceptibles siendo pieza clave en realizar la función masticatoria. Los molares
más afectados por las caries son los inferiores. La caries se la denomina una
enfermedad multifactorial que se produce por la desmineralización en los dientes.
La destrucción de las caries se forma por los microorganismos que son parte de
la placa dentobacteriana
Línea de tiempo de estudios realizados acerca de la caries dental
a continuación, se presenta una línea evolutiva en donde se ,muestran estudios
realizados, con respecto a las caries. Gráfico 1.
Gráfico 1. Estudios realizados acerca de la caries.
Elaboracion: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos Medline
2012 2015 2016
En décadas anteriores a los 70 hubo un reporte que en la ciudad de México hubo un descontrol de afectación en niños el 95% y adultos el 99%.
Campañas de salud dental indican que contraer caries es la acumulación de placa, entre otras enfermedades como la gingivitis, es importante tener conocimiento de llevar una higiene bucal adecuada.
En México, el instituto de seguro social realizando un estudio señala que la mayor parte de la población mexicana tiene poco conocimiento en prevención y cuidado de la salud oral.
Especialistas señalan que los padecimientos más comunes en las consultas dentales son la caries y la gingivitis, enfermedades que generan desgaste, inflamación e irritación de las encías y dientes.
15
Clases de caries
Gráfico 2 Anatomía del diente y tipos de caries
Elaboracion: Deyse Quito – Vanessa Salvatierra
Fuente: James T. Ubertalli, DMD
✓ Caries de superficie lisa: Su desarrollo es lento y constituye el tipo mas
evitable y reversible. La caries se inicia formando como un punto blanco y
es donde las bacterias disuelven el calcio del esmalte, esta caries en la
dentadura permanente suele empezar entre los 20 y 30 años de edad.
✓ Caries de fosa y fisura:suele empezar en el tiempo de la adolescencia en
los dientes permanentes,se forma en las ranuras estrechas de la superficie
de masticación y en el lado de los carrillos de los dientes posteriores. La
caries en estos puntos avanza rapidamente, en muchos casos no se
pueden limpiar adecuadamente estas áreas prospensas a caries ya que
las estrías son mas angostas que las cerdas del cepillo dental.
✓ Caries dela raiz: Este tipo empieza en la superficie que recubre la raíz (
cemento), en lo general afecta a personas de la edad madura. Esta carié
se produce por la dificultad al limpiar zonas de la raíz, como causa de poco
flujo de saliva, de mucho consumo de azúcar, este tipo de caries de la raíz
es una caries mas dificil de evitar y tratar.
16
Síntomas:
El dolor por causa de una caries depende que pieza se encuentre afectada y la
profundidad que alcance la caries. La caries en el esmalte no siempre causa dolor;
si no cuando la caries llega a la dentina. Al comienzo el dolor en las personas
puede aparecer cuando el diente afectado tiene contacto con bebidas dulces,
calientes, frias o comidas, esto da a indicar que la pulpa esta sana. Una caries en
el esmalte puede ser reparada por un dentista la cual se da la probabilidad de
queno se produzca mas dolor ni difucultades al momento de masticar.
Cuando la caries llega muy cerca de la pulpa o logre alcanzarla, el dolor sigue a
pesar de que quitar el estimulo que lo haya causado como por ejemplo el agua
fria, este dolor puede darse si ningun estimulo lo cual seria un dolor de muelas
espontáneo. El dolor se dara de forma temporal si hay un daño irreversible en la
pulpa y su muerte posterior. Cuando se da el caso, el diente se vuelve sensible al
masticar por causa de la inflamacion en el extremo de la raiz o porque en la raiz
hay infeccion lo cual produce acumulacion de pus, que causa dolor constante al
morder.
Factores de riesgo Hay muchos factores de riesgos de caries tales como:
✓ Flujo salival insuficiente.
✓ Defectos en la superficie dental.
✓ Déficit de flúor en la dentadura.
✓ Alimentos azucarados o ácidos.
Para que se presente caries dental, la pieza dental debe ser propensa a ella y por
lo consiguiente debe estar presente la bacteria productora de ácido y nutrientes lo
cual permite a la bacteria desarrollarse y producir acido. El diente es propenso a
tener caries cuando presenta escasez de fluoruro que sirve como protector en el
esmalte. Un factor de riesgo seguro es la mala higiene bucal, porque se permite
la acumulación de sarro y placa bacteriana, la cual acelera el proceso de caries.
Streptococcus mutans es una bacteria que por lo general es la responsable de
producir la caries dental.
17
Diagnóstico:
Gráfico 3. Caries dentales
Elaboracion: Deyse Quito – Vanessa Salvatierra
Fuente: Jonathan A. Ship, DMD
Si tratamos las caries como se muestra en Gráfico 3 antes de que duela,
probablemente se reduciria el daño a la pulpa y poder salvar una mayor parte del
diente. Para saber la deteccion de caries, el medico odontologo se informa por el
tipo de dolor que presente, revisa la dentadura con instrumentos dentales, y en
algunos casos realiza radigrafias. Lo conveniente es hacerse una revision dental
2 veces al año. Las radiografias no siempre se incluyen en una revision y pueden
ser realizadas una sola vez al año.
Prevención Hay muchas formas esenciales que nos ayudan a prevenir la formación de los
diferentes tipos e caries que existan. Como se muestra en el Gráfico 4.
18
Gráfico 4. Prevención de caries
Elaboracion: Deyse Quito – Vanessa Salvatierra
Fuente:Class Qsl
Clasificación de tipos caries:
CUADRO 3. CLASIFICACIÓN DE TIPOS DE CARIES
Código Tipo de carie
K02.0 Caries limitada al esmalte
K02.1 Caries de la dentina
K02.2 Caries del cemento
K02.3 Caries arrestada o detenida
K02.4 Odontoclasia
K02.8 Otras caries
K02.9 Caries sin especificar
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos Medline
Usar selladores dentales con fluoruros y
tratamiento antibacteriano
Dieta saludable
Buena higiene bucal y revisiones dentales
regulares
19
Proceso de formación de una caries dental
La caries es una afectación de los dientes que se produce por el desarrollo de las
bacterias que hay en la placa dental. Estas bacterias son lactobacilos,
actinomicetos y los estreptococos mutans.
El proceso de formación de la caries tiene 4 pasos como se muestra en el
Gráfico 5.
✓ La caries afecta al esmalte, principalmente en la parte de las hendiduras
superiores (de masticación) del diente. En esta fase no se produce dolor,
y afecta principalmente a los molares y premolares.
✓ Se afecta a la dentina (el marfil del diente). Las bacterias se infiltran por
debajo del esmalte del diente. Se produce dolor con el contacto con comida
caliente, fría, ácida o azucarada.
✓ La caries se hace profunda y afecta a la pulpa del diente (que contiene el
nervio). Se manifiesta como un intenso dolor de muelas. Como el daño ya
es importante, el tratamiento consiste en desvitalizar la pulpa o en extraer
la pieza dental.
✓ Las bacterias se expanden hasta el hueso y las encías. Provoca fuertes
dolores, la formación de accesos y quistes, y el peligro de infección de
otras partes del cuerpo.
20
Gráfico 5.Formación de caries
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos Medline
Gráfico 6.Coloración de la placa dental
Elaboracion: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datosMedline
21
Gingivitis:
Enrojecimiento, inflamación y sangrado en la encía, son síntomas de gingivitis,
una enfermedad que afecta directamente en esa área, por la cantidad de bacterias
acumulada en ellas, la cual puede ser curada con un buen cepillado, hilo dental y
por supuesto una limpieza hecha por el dentista(Instituto Nacional de Investigacion
Dental y Craneofacial, 2013).
Cuando estos residuos ubicados entre el diente y la encía, no son retirados, se
forma una placa, que con el pasar del tiempo se vuelve solida (sarro); resultando
perjudicial para los tejidos que sostienen y rodean los dientes, y si esta no es
tratada a tiempo podría convertirse en periodontitis, provocando un retraimiento
de la encía (Biblioteca Nacional de Medicina de los EE.UU., 2016). Como se
observa en el gráfico 7.
Gráfico 7. Proceso de la Gingivitis
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos de Medline
Síntomas
Entre los síntomas más comunes de la gingivitis, están las siguientes:
✓ Encías sensibles al tacto.
✓ Encías inflamadas.
22
✓ Sangrado de las encías.
✓ Encías rojas brillantes.
✓ Úlceras bucales.
Factores de Incidencia Anteriormente fue mencionado que la principal causa de la gingivitis, se debe a la
placa acumulada entre la encía y el diente, pero existen factores que aumentan el
riesgo de esta enfermedad. A continuación, veremos cuáles son:
✓ Mala higiene bucal: El no usar los implementos adecuados para la
limpieza oral, es el principal factor para acumular bacterias en las encías.
✓ Fumar: El tener este hábito, podría disminuir los efectos de algún
tratamiento que se esté llevando a cabo para contrarrestar la gingivitis.
✓ Cambios hormonales en las mujeres: En algunos casos los cambios
hormonales, podrían hacer que las encías pasen a estar más sensibles,
volviéndolas vulnerables a la gingivitis.
✓ Diabetes: Es una enfermedad con un riesgo mayor, debido a la facilidad
que tiene para desarrollar infecciones, por lo que no se descarta la
gingivitis.
✓ Otras enfermedades: Los tratamientos que se dan por enfermedades
como el SIDA o Cáncer, son factores que inciden en el desarrollo de la
gingivitis.
Línea de tiempo de estudios realizados acerca de problemas
gingivales
Se presenta una línea de tiempo, en donde se indican los estudios que se han
realizado en diversos países, para determinar el porcentaje, causas y
consecuencias de problemas de gingivitis en la población.
23
Gráfico 8.Estudios realizados acerca de la Gingivitis
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos de Medline y Redalyc
Como se observa en el Gráfico 8, muestra una línea de tiempo, con respecto a
estudios que se han realizado en diversos países para determinar el porcentaje
de la población, que se ve afectada por esta enfermedad. Además de presentar
complicaciones en otras enfermedades.
PROCESAMIENTO DIGITAL DE IMAGEN (PDI) Conjunto de técnicas, cuya finalidad, es darle una mejora a la calidad o ayudar
con la visualización de pequeños detalles, en las imágenes, que no pueden ser
observados a simple vista (Ridao Marín, 2015).
El procesamiento digital de imágenes es una disciplina que se ha
desarrollado desde la década de los sesenta, inicialmente por la NASA,
buscando aplicar algoritmos sobre una imagen para reconocer datos
2013 2014 2015 2016 2017
Estudio realizado en España, determino que la gingivitis aumenta las complicaciones en personas con diabetes.
Tratamientos dentales a mujeres en estado de gestación, demostraron que se puede evitar el desarrollo de afecciones bucales en el niño.
Estudios demostraron que la gingivitis puede tener una prevalencia del 70% en personas jóvenes.
Estudios realizados en varios países de América, demostraron que el porcentaje de niños y adolescentes con gingivitis es mayor al 50%.
Estudio realizado en Chile demostró que un 69,2% de los adolescentes presentan daños en al menos una de sus piezas dentales.
24
implícitos, lo cual permite resaltar, patrones de la microestructura de
materiales. (Llulluna Llumiquinga, 2014)
El procesamiento digital de imágenes, es un tema muy abierto debido a que se
relaciona con otros campos, tales como: la Física, Química, Medicina, Biología,
Astronomía, etc.
Etapas del PDI
En el gráfico 9, se observan cada una de las etapas del procesamiento digital de
imágenes, las cuales corresponden a captura, pro-procesado, segmentación,
extracción de descriptores y clasificación.
Gráfico 9.Etapas del PDI
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Ridao Marín
Captura En esta etapa, es donde interviene algún dispositivo o equipo tecnológico
(cámaras fotográficas, escáneres, computadoras, equipos de radiología, etc.), que
CAPTURA
PRE-PROCESADO
SEGMENTACIÓN
EXTRACCIÓN de DESCRIPTORES
CLASIFICACIÓN
25
permite de una u otra manera, realizar la representación del objeto, dando lugar a
la imagen digital.
Pre-procesado También denominado filtro o suavizado, tiene la finalidad de mejorar o realzar las
propiedades de la imagen, detectando y eliminando algún tipo de falla, es decir
eliminar el ruido, realzar o detectar el borde de la imagen.
Gráfico 10. Imagen pre-procesada
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Ridao
Segmentación En la segmentación se realiza una descomposición de la imagen en partes
significativas (grupo de pixeles), agrupados por alguna característica en común, a
los cuales se le asigna una etiqueta, con la finalidad de que sea más fácil de
analizar; como identificar el objeto o establecer los límites del mismo dentro de la
imagen. “Busca particionar o dividir la imagen en subgrupos de pixeles. La
finalidad es que cada subgrupo se aproxime en forma y cantidad de pixeles a la
región de cada uno de los objetos buscados en la imagen” (Barranco G., Martínez
Díaz, & Gómez T., 2016, pág. 60).
26
Gráfico 11.Imagen segmentada
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Ridao
Extracción de descriptores Una vez segmentada la imagen, pasa a la siguiente fase, la cual consiste en
extraer las características que se establecieron en la etapa anterior, y de esa
manera asociarlas al grupo correspondiente, para proceder a analizarlas(Molinar
Solís, Escoto Ponce de León, García Lozano, & Bautista Thompson, 2012).
Clasificación En esta etapa se identifica el objeto, por medio de un algoritmo de clasificación;
es decir que se realiza una separación de los objetos, según las características
que se establecieron en etapas anteriores.
Técnicas de pre-procesado
Las técnicas de pre-procesado se basan en técnicas derivadas del procesamiento
digital de señales. Estas técnicas son:
✓ Mejora del contraste
✓ Eliminación del ruido
✓ Restauración
27
Estas técnicas analizan imágenes en niveles de grises, muchas pueden ser
trasladadas a imágenes en color. Las técnicas de pre-procesado sobre imágenes
en color necesitan de un tratamiento diferenciado.
Mejora del contraste:
Esta técnica aparte de mejorar la apariencia de las imágenes, tiene como objetivo
final hacerlas más adecuadas para un proceso determinado; por ejemplo:
segmentación, reconocimiento de patrones o detección de contornos.
Esta técnica pretende aumentar el contraste en las imágenes. No en el sentido de
aumentar la calidad radiométrica, si no en mejorar sus características visuales
para la etapa del análisis automático. La técnica de realce se la aplica también si
se pretende utilizar técnicas de segmentación. El objetivo de esta técnica es
facilitar la tarea de partición de la imagen.
Eliminación del ruido:
Esta técnica intenta eliminar el nivel de ruido que hay en la imagen. En el proceso
de la creación de la imagen se genera ruido, el cual se lo explica como una variable
aleatoria que sigue una función de densidad determinada. Hay tres tipos de ruidos
básicos: multiplicativo, impulsional y gaussiano (Platero, 2012).
En si esta técnica difumina la imagen y reduce contrastes abruptos en la imagen.
El suavizado es más habitual en la mejora y restauración de imágenes.
Operadores de suavizado
✓ Convolución de media (media aritmética), este operador es el más simple
de suavizado.
✓ Parámetros del operador:
Posición del ancla.
Ancho y alto de la región en la que se aplica: W X H.
✓ W y H son impares y el ancla es el pixel central normalmente,
✓ La máscara es un simple array de unos de tamaño W X H.
28
Ventajas
✓ Fácil de definir un comportamiento para los pixeles de los bordes.
✓ Sencillo y rápido de aplicar
✓ Recordatorio: el operador de media es separable
Restauración:
Esta técnica es la más común para localizar discontinuidades en el nivel de gris.
Los métodos de extracción de bordes de una imagen, este método se lo diferencia
porque experimenta característica en dos regiones adyacentes que indican que
hay un borde. Los bordes se clasifican por anchura, coordenadas de punto medio
y su ángulo de pendiente de variación y las coordenadas de su punto medio. Hay
diferentes modelos de bordes o contornos:
✓ Tipo tejado.
✓ Tipo rampa.
✓ Tipo escalón.
✓ Línea.
Las discontinuidades se las detecta mediante variables de primer y segundo
orden, las de primer orden utilizan operador gradiente y las de segunda orden el
operador laplaciano (Palomino, 2009).
Técnicas De Segmentación
Umbralización
Técnica simple y eficaz de segmentación, defina en una función T, en el cual
permite realizar una separación de los pixeles de una imagen en escala de grises,
siendo está a partir de un valor umbral de intensidad. Se encuentra dividido en
dos categorías: global y local, (Cortés Osorio, Muriel, & Mendoza Vargas, 2011).
Básicamente lo que realiza la Umbralización, es una evaluación de la intensidad
de cada pixel, calculando el histograma de una imagen, en niveles de gris, con
respecto a una condición p. “El umbral puede ser función de la posición p(r,c), de
29
la vecindad N(r,c) y de la intensidad I(r,c) actual del pixel”(Cortés Osorio, Muriel,
& Mendoza Vargas, 2011, pág. 268).
𝑇 = 𝑇((𝑟, 𝑐), 𝑁(𝑟, 𝑐), 𝐼 (𝑟, 𝑐))
Gráfico 12. Imagenoriginal
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Gonzalo Luzardo
Gráfico 13. Histograma de la imagen
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Gonzalo Luzardo
Categorías de Umbralización:
Umbral global:
“El umbral fijo o global es aquel que es único sobre toda la imagen”. (Trian,
Jaramillo, Gutiérrez, Rodríguez, 2016, pág. 354), es decir que se emplea el mismo
valor de umbral, para toda la imagen, obteniendo como resultado una imagen
30
binaria, donde el nivel de intensidad de cada pixel cumple con el criterio de
umbralización, definido en la siguiente función.
𝑏(𝑟, 𝑐) = {𝑡0 𝑠𝑖 𝐼(𝑟, 𝑐) < 𝑇
𝑡1 𝑠𝑖 𝐼(𝑟, 𝑐) ≥ 𝑇
En la función se define a la intensidad como b(r, c) mientras tanto 𝑡0 y 𝑡1vienen a
ser los posibles dos niveles de gris del pixel umbralizado. Por tanto, cuando el
valor 𝑡0 =0 y el valor 𝑡1 = 1 se dice que la imagen se ha binarizado (Trian,
Jaramillo, Gutiérrez, & Rodríguez, 2016).
Gráfico 14. Histograma bimodal
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente:Trian, Jaramillo, Gutiérrez, & Rodríguez
Análisis: en el gráfico 14 se observa el histograma bimodal, llamado así, por lo
presenta solo dos picos, en donde T, representa la intensidad del umbral, mientras
que 𝑡0 y 𝑡1 son los posibles niveles de gris de cada pixel, de la imagen con
umbralización, indicando el fondo y los picos.
Umbral local: Se divide la imagen en sub-imágenes para encontrar un umbral
apropiado a cada una de ellas, esto sucede debido a que cuando el histograma
de una imagen no tiene una distribución bimodal, por los cambios de iluminación,
se tiene que proceder a la división de la misma, para encontrar el umbral
adecuado, por lo que podrían ser de diferentes tamaños y formas, llegando así a
no tener un umbral sino varios, como se observa en el gráfico. (Trian, Jaramillo,
Gutiérrez, Rodríguez, 2016).
31
Gráfico 15. Histograma no bimodal
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Trian, Jaramillo, Gutiérrez, & Rodríguez
Análisis: En el gráfico 15 se observa un histograma no bimodal, el cual es
denominado así por lo que presenta, más de dos picos.
Transformada Top-Hat
Técnica que se basa en operaciones de morfología matemática, conocida como
filtro residual, la misma que tiene como finalidad resaltar partes de las imágenes
que se eliminan, al momento de realizarse la operación de apertura; una vez que
pasa ese proceso, se obtiene una diferencia entre la imagen original y la
modificada, es ahí donde el contraste de las partes eliminadas de la imagen tiene
un aumento considerable (Cerrato Vargas & Quintanilla Domínguez, 2014). La
transformada de top hat, es considerada como una de las mejores a la hora de
mejorar el contraste de una imagen.
La función que se aplica para la transformada Top-Hat, está definida de la
siguiente manera.
𝑇𝑑𝐹𝐵 (f) = f – (𝑓)𝐵
Donde(𝑓)𝐵 representa la operación de “apertura”.
32
Pasos que se realizan para aplicar la transformada de top hat, están definido por
los siguientes autores Camargo, Arista, & Camargo, (2013):
✓ Primero se obtiene la imagen, la misma que debe estar en escales de
grises, de no ser así esta debe ser convertida.
✓ Luego para realizar el filtrado, es definido el ratio de apertura con la función
strel y parámetros.
✓ Finalmente se realiza el filtrado aplicando el operador de top hat, para
ajustar el contraste y de esa manera mejorar el resultado de la imagen.
Gráfico 16. Imagen aplicada la transformada de Top Hat
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Mello Román, Legal Horacio, Vázquez Noguera, 2015
Transformada Watershed (T.W.)
Se define como una técnica de segmentación que se basa en regiones, en la cual
se considera a la imagen como un relieve topográfico terrestre, es decir que dentro
de la imagen los niveles de gris de mayor intensidad, son considerados como
montañas, mientras que los de menor intensidad se consideran ríos o valles. Por
tanto, esta técnica, realiza una división de la imagen, clasificando sus pixeles,
dado a la homogeneidad de sus texturas, proximidad espacial y la gradiente de
sus niveles de gris (Roa, García, & Bravo, 2017).
33
La transformada de Watershed, es una técnica morfológica adaptable y capaz, a
la hora de diferenciar objetos muy complejos, los cuales no se pueden analizar de
forma correcta por medio de algoritmos básicos. La principal característica de esta
técnica, es la utilización de marcadores unívocos o también conocidos como
semillas, los cuales dan inicio a los algoritmos de inundación indicando así los
sectores de baja intensidad de gris llamados basins (Gonzalez & Ballarin, 2008).
Gráfico 17. Imagen en escala de grises
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Mello Román, Legal Horacio, Vázquez Noguera, 2015
Gráfico 18.Imagen segmentada con la transformada deWatershed
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Mello Román, Legal Horacio, Vázquez Noguera, 2015
Proceso de segmentación
✓ Primero se obtiene la imagen en escala de gris, en donde la intensidad del
contorno del objeto, representara la zona de mayor intensidad.
34
✓ Por otra parte, en las zonas donde el nivel de gris sea mucho menor, será
considerados como basins, que es por donde fluirá el agua y se producirá la
inundación de la imagen.
✓ Finalmente, los contornos del objeto permanecerán, dando lugar a la
segmentación, por medio de las líneas de TW que resultan.
Algoritmo de Canny
Gráfico 19.Imagen aplicando la transformada Canny
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Base de datos Redalyc
El operador de detección de bordes de canny se basa en un algoritmo de múltiples
fases para detectar un amplio rango de bordes. Es sin duda el operador más
utilizado en la detección de bodes.
Tiene como objetivo principal cumplir tres criterios, los cuales son, buena
localización, baja tasa de error y respuesta mínima.
Básicamente trabaja con cuatro técnicas:
✓ obtención del gradiente.
✓ supresión de no-máximos al resultado del gradiente.
✓ Cierre de contornos abiertos
✓ Histéresis de umbral a la supresión no máxima (Moreno Ramírez, Trejo
Durán, Lizárraga Morales, Cabal Yépez, & Carrillo Ledesma, 2017).
35
Obtención de gradiente:
Gráfico 20.Proceso de la obtención de la gradiente
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Base de datos Redalyc
Para obtener el gradiente se tiene que suavizar la imagen:
✓ Aplicar a la imagen I un suavizado gaussiano G o filtro gaussiano (también
se puede aplicar otros filtros) J = I * G
✓ Para calcular el kernel gaussiano G utilizar la siguiente ecuación:
En seguida calcular el gradiente para cada pixel de la imagen J(i,j)
✓ Calcular las componentes del gradiente Jx y Jy
✓ Calcular la magnitud de los bordes
✓ Estimar la orientación de la normal de los bordes
36
Supresión no máxima al resultado del gradiente
El objetivo de este paso es Obtener bordes de 1 pixel de grosor al considerar
únicamente pixeles cuya magnitud es máxima en bordes gruesos y descartar
aquellos cuyas magnitudes no alcancen ese máximo.
✓ Para todo punto se obtiene la dirección más cercana dk a 0º, 45º, 90º y
135º en Ea (i,j)
✓ Si Em (i,j) es menor que uno de sus dos vecinos en la dirección dk,IN(i,j)=0.
Si no IN(i,j)=Em(i,j)
Histéresis de umbral a la supresión no máxima
Permite eliminar máximos procedentes de ruido, etc.
Entrada IN, Ea, y dos umbrales T1 y T2 (T2>T1)
Para todo punto en IN, y explorando en un orden:
✓ Localizar el siguiente punto tal que IN(i,j) > T2
✓ Seguir las cadenas de máximos locales a partir de IN(i,j) en ambas
direcciones perpendiculares a la normal al borde siempre que IN>T1.
Marcar los puntos explorados.
✓ La salida es un conjunto de bordes conectados de contornos de la imagen,
así como la magnitud y orientación.
Cierre de contornos abiertos
✓ La imagen de entrada es una imagen de contornos binarizada (1= borde;
0=no borde)
✓ Para cada punto de borde de un extremo abierto se le asigna un código
que determina las direcciones de búsqueda para el cierre del contorno
✓ Para los pixels marcados con este código se marca como pixel de borde
el de máximo gradiente en las tres direcciones posibles.
✓ Se repiten los pasos hasta que se cierren todos los contornos.
37
Gráfico 21. Resultado del método Canny
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Base de datos Redalyc
Gráfico 22.Resultado del método Canny
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Base de datos Redalyc
38
Algoritmo K-means
Uno de los más utilizados, cuando se trata de agrupar objetos en un determinado
espacio. El agrupamiento se realiza minimizando la suma de distancias entre cada
objeto y el centroide de su grupo o clúster. Se suele usar la distancia cuadrática.
A continuación, se detallan los pasos que constituyen al algoritmo K-Means.
✓ Inicialización: una vez escogido el número de grupos, k, se
establecen k centroides en el espacio de los datos, por ejemplo,
escogiéndolos aleatoriamente.
✓ Asignación objetos a los centroides: cada objeto de los datos es
asignado a su centroide más cercano.
✓ Actualización centroides: se actualiza la posición del centroide de
cada grupo tomando como nuevo centroide la posición del promedio
de los objetos pertenecientes a dicho grupo (Lara Gutiérrez, Lara
Ruiz, Hernández Hernández, Hernández Hernández, & Hernández
Hernández, 2014).
Se repiten los pasos 2 y 3 hasta que los centroides no se mueven, o se mueven
por debajo de una distancia umbral en cada paso.
El algoritmo k-means resuelve un problema de optimización, siendo la función a
optimizar (minimizar) la suma de las distancias cuadráticas de cada objeto al
centroide de su clúster.
Los objetos se representan con valores reales de d dimensiones (x1, x2,…,xn)y el
algoritmo k-means construye k grupos donde se minimiza la suma de distancias
de los objetos, dentro de cada grupo S= {S1, S2, …,Sk}, a su centroide. El
problema se puede formular de la siguiente forma:
39
Donde S es el conjunto de datos cuyos elementos son los
objetos xj representados por vectores, donde cada uno de sus elementos
representa una característica o atributo. Tendremos k grupos o clusters con su
correspondiente centroide μi.
En cada actualización de los centroides, desde el punto de vista matemático,
imponemos la condición necesaria de extremo a la función E (μi) que, para la
función cuadrática (1) es:
Y se toma el promedio de los elementos de cada grupo como nuevo centroide.
Las principales ventajas del método k-means son que es un método sencillo y
rápido. Pero es necesario decidir el valor de k y el resultado final depende de la
inicialización de los centroides. En principio no converge al mínimo global sino a
un mínimo local.
Transformada de sobel
El filtro Sobel detecta los bordes horizontales y verticales separadamente sobre
una imagen en escala de grises. Las imágenes en color se convierten en RGB en
niveles de grises. Como con el filtro Laplace, el resultado es una imagen
transparente con líneas negras y algunos restos de color. Además, hay que tomar
en cuenta, que la transformada de Sobel solo trabaja con imágenes en escala de
grises, por tanto, si es a color debería ser convertida(torres, 2006).
40
Gráfico 23.Resultado utilizando el operador sobel
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos Redalyc
Herramientas de Software de PDI
Matlab (MATrix LABorary) Es un software, que básicamente se maneja en un entorno matemático, orientado
a los cálculos científicos, ofrece un entorno de desarrollo integrado (IDE), además
de contar con su propio lenguaje de programación (lenguaje M), dentro de sus
manipulaciones básicas se encuentran la implementación de algoritmos,
manipulación de matrices, creación de interfaces de usuario (GUI), comunicación
con programas en otros lenguajes y la representación de datos y funciones. Posee
paquetes extras, llamados “toolboxes”, que permite realizar múltiples operaciones,
extendiendo así la capacidad de MatLab, como lo es Image Processing, el cual es
utilizado para el procesamiento de imagen (Vargas Villanueva, Berenguel Soria, &
Álamo Cantarero, 2012). Sin duda se ha convertido en una herramienta, de gran
aporte para el ámbito estudiantil o científico. “Matlab es un lenguaje de alto nivel
que incluye herramientas de cálculo numérico y visualización de imágenes,
orientado para realizar todo tipo de cálculos con vectores y matrices, además de
realizar gráficos en dos y tres dimensiones” (Benítez Castro & Córdoba Fraga,
2015, pág. 1246).
41
En sus inicios Matlab, fue creado con la finalidad de resolver problemas
matemáticos, hoy en día lo sigue siendo, pero con la diferencia de que ahora
también es un software interactivo, el cual puede ser utilizado para diferentes
propósitos, como en la inteligencia artificial, procesamiento de señales, simulación
de sistemas dinámicos, geofísica, entre otros (González Segura, 2015).Matlab
posee una herramienta que le permite realizar simulaciones en tiempo real.
Características relevantes de Matlab:
✓ Libertad para la creación de aplicaciones adaptable a las necesidades del
usuario.
✓ Lenguaje de cálculo técnico y científico.
✓ Librerías especializadas.
Python Es un lenguaje de código abierto, con una simplicidad que lo hace
extremadamente flexible para los desarrolladores; es decir que les permite
proponer su propia solución, sin que este le imponga un estilo de cómo resolver
el problema. Python se ha ido convirtiendo en uno de los lenguajes más utilizados,
debido a la versatilidad que tiene para funcionar en diferentes plataformas, tales
como Windows, Linux, Mac IOS, entre otras (Jiménez López, Prieto Pelayo, &
Ramírez Forero, 2015).
Chazallet (2016) afirma:
El lenguaje de Python es un lenguaje de alto nivel, puesto que puede
gestionar sus recursos, y en particular la memoria, mediante un recolector
de basura que implementa un contador de referencias. Es también la
referencia absoluta de los lenguajes de alto nivel por su extrema legibilidad
y su flexibilidad, que permite al desarrollador abordar una gran cantidad de
casos de uso de manera muy elegante y natural.(pág. 53)
42
Herramientas
Challenger Pérez, Díaz Ricardo, & Becerra García(2014) definen las siguientes
herramientas como las más importantes de Python.
✓ Implementaciones
A continuación, en el cuadro 4, se muestra la estructura de las implementaciones
de Python, más comunes.
CUADRO 4. ESTRUCTURA DE LAS IMPLEMENTACIONES DE
PYTHON
Nombre
Implementación
Observación
CPython
C
Considerada como la más estable.
IronPython
C#
Diseñada para la plataforma .NET
Jython
Java
Compila para el bytecode de la
misma plataforma.
Pypy
Python
Destinada para correr en diversas
plataformas.
Tinypy
Minimalista
Diseñada para caber en 64k de
memoria, útil para sistemas
embebidos.
Elaboración: Vanessa Salvatierra – Deyse Quito
Fuente: Challenger Pérez, Díaz Ricardo, & Becerra García , 2014
43
✓ Entornos de desarrollo integrado
IDLE (Integrated DeveLopment Environment); sencillo, desarrollado en
Python, utilizando Tkinter, con resaltado de código y depurador.
Eclipse con plugin PyDev; para aplicaciones RCP, plugin que le permite
ordenarlas, incluso posee depurador, resaltado y completado inteligente
de código, entre varias características.
✓ Servidores de aplicaciones y frameworks tales como:
✓ Apache.
✓ Zope.
✓ web2py.
✓ Django.
✓ Pylons.
✓ TurboGears.
Ventajas
Nicolás Puppo(2015)indica las siguientes ventajas que se obtiene al trabajar con
Python, las cuales son, facilidad de aprendizaje, orientación a objetos, entornos
de desarrollo y las librerías.
✓ Facilidad de aprendizaje; sencillo y manejable, son las características
que hacen de este lenguaje fácil de aprender.
✓ Orientación a objetos; permiten la utilización de técnicas como
polimorfismo, abstracción, entre otras.
✓ Entorno de desarrollo; la facilidad que tiene para trabajar en diversas
plataformas, es lo que lo hace muy versátil.
44
✓ Librerías; trabaja con una amplia cantidad de librerías, que le da facilidad
al trabajo.
Características
Challenger Pérez, Díaz Ricardo, & Becerra García(2014) define las siguientes
características de Python; sintaxis, librería estándar, rendimiento, documentación,
extensibilidad y licencia. A continuación, se realiza un detalle de ellas.
✓ Sintaxis; considerada elegante, por poseer un código claro, ligero, conciso,
legible y muy sencillo.
✓ Librería estándar; muy completa, facilita en gran mayoría el trabajo del
programador.
✓ Rendimiento; al tener su librería implementada en lenguaje C, permite que
sus funciones sean lo suficientemente eficientes.
✓ Documentación; cada función y clase, posee una variable llamada doc, que
describe su uso, además de los parámetros.
✓ Extensibilidad; capacidad para volver a utilizar códigos escritos en otros
lenguajes, como C y C++.
✓ Licencia; Open Source.
Opencv
Conjunto de librerías, que se emplea de manera libre, para el desarrollo de infinitas
aplicaciones. Se pueden ejecutar en plataformas como Windows, Linux, Android,
entre otras, su aplicación se da en reconocimientos de objetos, visión artificial y
procesamiento de imágenes(Chamizo, 2013).Maneja lenguajes como Python,
C++, y Java, además de disponer de interfaces que se basan en CUDA Y OpenCL
(Mordvintsev & Abid, 2017).
45
OpenCV u Open Computer Visión es un conjunto de bibliotecas de
programación que nos permiten llevar a cabo todo el proceso que hemos
visto anteriormente dentro de un ordenador desde la adquisición de la
imagen hasta la extracción de la información.(García, Visión Artificial,
2012, pág. 15)
CUADRO 5. ESTRUCTURA DE LAS LIBRERÍAS DE OPENCV
Librerías Estructuras
CV.H Funciones de procesamiento general de imágenes,
filtros, conversión de colores, análisis de movimiento,
operadores morfológicos, análisis, reconocimiento de
patrones, calibración de cámaras y reconstrucción 3D.
CXCORE.H Estructuras básicas, operadores aritméticos/lógicos,
estructuras dinámicas, funciones de dibujo, errores de
enlace y funciones de sistema.
CVAUX.H Correspondencia estéreo, descriptores de textura,
procesamiento 2D-3D, segmentación de fondo,
morfología, etc.
HIGHGUI.H Corresponde a la interfaz de usuario
Elaboración: Vanessa Salvatierra – Deyse Quito
Fuente: Ramos Alférez Albert, 2015
Características relevantes de OpenCV
✓ Su biblioteca es Open Source.
✓ Específico para visión artificial.
✓ Posee una amplia documentación.
46
Aplicaciones técnicas del PDI
A continuación, se detallan algunos trabajos en los que se aplicaron técnicas de
segmentación de imágenes, para la detección de problemas dentales.
2013- Deepika Nagpal-Lekhabhambhu: Implementación del modelo basado
en simulink utilizando el detector de borde Sobel para problemas dentales.
En este artículo se presentó la implementación de un modelo de procesamiento
de imágenes basado en la transformada de sobel con el fin de determinar
problemas en las piezas dentales, en el cual se utilizó criterios específicos,
considerados como parte fundamental en la segmentación, para esto se utilizó
imágenes de rayos X dental, y como herramienta el simulador de Matlab: Simulink.
La arquitectura de este modelo cuenta con un conjunto de bloques de
procesamiento de video e imagen, en el cual se presenta el filtrado de imágenes
para la detección de bordes. Para realizar la prueba del modelo simulink, se utilizó
la herramienta de prueba del sistema System Test, en el cual se utilizó como
condición lo siguiente:
• Valores de umbral que van desde 365 a 535
• Niveles de ruido que van de 0 a 100
El resultado obtenido por el estudio, determinó que el modelo de simulink, se basa
en el procesamiento de una imagen pixel por pixel, concluyendo que las técnicas
basadas en el simulador son más fáciles de entender e implementar (Nagpal,
2013).
2013, Abdolvahab Ehsani Rad, Mohd Shafry Mohd Rahim, Alireza Norouzi:
Segmentación digital de imágenes de rayos X dentales y extracción de
características.
En este articulo se utilizaron imágenes de rayos x dental, para aplicar técnicas de
procesamiento de imagen con la finalidad de extraer características que les
permita crear un sistema de identificación humana de los dientes o bien la
detección de caries dental. Para la extracción de características se utilizó un
método de segmentación basado en técnicas estadísticas denominadas Grey
Level Co-ocurrence Matriz (GLCM), el cual genera características basadas en
47
matrices, diseñadas para medir las relaciones espaciales entre los pixeles. A
continuación, se muestra las ecuaciones aplicadas para extraer ciertas
características de las imágenes.
• Contraste
∑ 𝑛2 {∑ ∑ pNg
j=1
Ng
i=1(i, j)
Ng−1
n=0 , 𝑖, 𝑗 = n
• Correlación
∑ ∑ (𝑖, 𝑗)𝑗 𝑝(𝑖, 𝑗) − 𝜇𝑥𝜇𝑦𝑖
𝜎𝑥𝜎𝑦
• Entropía
− ∑ ∑ 𝑝(𝑖, 𝑗)𝑗
log(𝑝(𝑖, 𝑗))𝑖
• Homogeneidad
∑ ∑1
1 = (𝑖, 𝑗)2𝑗𝑖
𝑝 (𝑖, 𝑗)
• Energía
∑ ∑ 𝑝(𝑖, 𝑗)2
𝑗𝑖
Como resultado se determinó que la técnica de segmentación que estaban
utilizando era una técnica muy prometedora, pero que necesitaba mejoras, debido
a que se enfocaron en extraer las características de la imagen, sin antes eliminar
el ruido y aumentar el contraste de la misma (Rad, A. E., Rahim, M. S. M., &
Norouzi, A., 2013).
48
2015, Yusra Y. Amera, Musbah. Aqelb: Un algoritmo de segmentación
eficiente para imágenes dentales panorámicas.
Gráfico 24. Imagen original
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Yusra Y. Amera, Musbah. Aqelb
Para realizar las respectivas pruebas, se utilizó imágenes radiográficas
panorámicas, utilizando como técnica de segmentación la transformada de
wavelet, cuyo objetivo fue el de extraer las muelas del juicio, para posteriormente
clasificarlas y obtener información útil de ellas, tales como la forma del diente y el
grado de desviación. El método consistió en tres etapas:
pre-procesamiento; se preparó la imagen para el algoritmo de segmentación,
mediante mejora del contraste, umbral de Otsu, dilatación morfológica, etiquetado
de componentes conectados, eliminación de objetos no deseados y multiplicación
de imagen.
Gráfico 25.Imagen después del preprocesado
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Yusra Y. Amera, Musbah. Aqelb
49
Extracción del ROI; fue definido en función al ancho promedio de las muelas del
juicio, diferenciando entre la mandíbula inferior y superior.
Gráfico 26.Extraccion del ROI
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Yusra Y. Amera, Musbah. Aqelb
Post-procesamiento
En esta etapa se aplicaron los siguientes pasos: ecualización del histograma,
umbral global de Otsu y etiquetado de componentes conectados, para eliminar las
partes indistintas al ROI, dando forma así al diente.
Los resultados que se obtuvieron del estudio, demostraron que después de la
primera etapa, el rendimiento en las otras fases mejoraba, extrayendo con éxito
las muelas del juicio. Como conclusión se determinó que las imágenes
segmentadas podrían ser utilizadas en un sistema clasificador, según el grado de
afectación de la pieza dental (Amer, Y. Y., & Aqel, M. J. 2015.).
Gráfico 27.Resultado final de procesamiento
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Yusra Y. Amera, Musbah. Aqelb
50
2015, Solmaz, V., Mostafa, G., Ehsani, S., Hadis, M., Fateme, A., & Hooman,
B.: Diseño de un software de computadora para la detección de caries
proximal en dientes posteriores.
En este artículo se desarrolló un software, cuya funcionalidad fue la de realizar
diagnósticos referentes a la caries dental, utilizando como ayuda una base de
datos con imágenes radiográficas digitales, que le permitiría identificar la
profundidad y ubicación de la misma. Cabe recalcar que cada imagen fue
segmentada, aplicando el algoritmo clustering fuzzy c-means (FCM) de
agrupación de datos, denominado también método de clúster suave.
∑ ∑ n. .m
ij
t
j=1
N
i=1𝑥𝑖 − 𝐶𝑗
2
;1 ≤ m ≤ ∞
Gráfico 28.Diagrama esquemático del software
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Solmaz, V., Mostafa, G., Ehsani, S., Hadis, M., Fateme, A., & Hooman, B
Este algoritmo fue seleccionado por su agrupamiento suave, debido a que otorga
la oportunidad de mejorar la detección de caries, incluso considera la adyacencia
de los pixeles en cada una de las imágenes. Para la funcionalidad del software se
basó en la detección de puntos locales, máximos o mínimos que se presentan en
la curva del borde de la imagen, para luego ser unidos y determinar la profundidad
de la caries, Una vez segmentadas las imágenes, se identificó el borde del diente
y se evaluó la cavidad del mismo. Como resultado de las pruebas, se obtuvo un
60% en la identificación de caries de esmalte y un 97% en caries de la dentina.
Por lo que se determinó que el software era lo suficientemente capaz para
identificar las caries de la dentina, pero limitado para la detección de caries de
51
esmalte (Valizadeh, S., Goodini, M., Ehsani, S., Mohseni, H., Azimi, F.,
&Bakhshandeh, H. ,2015).
2015, Ridao Marín, D: Desarrollo de un sistema de ayuda a la decisión para
tratamientos odontológicos con imágenes digitales.
Sistema basado en una clasificación de tejidos dentarios, utilizando imágenes
digitales, con la finalidad de realizar evaluaciones de las piezas dentales, mediante
la detección, segmentación y clasificación de los tejidos. La detección de bordes
fue basada en el gradiente, que consiste en tres pasos: estimación del gradiente,
supresión con máxima y umbral de histéresis; para la segmentación de regiones,
se utilizó el algoritmo de Mean Shift, en el cual los pixeles se mapean en un
espacio a color y se agrupan en regiones homogéneas de la imagen, extrayendo
así las diversas características; que fueron utilizadas como parámetros al ser
ingresadas en un sistema basado en redes neuronales, diseñado para realizar la
respectiva clasificación de los tejidos dentales. Esta clasificación fue posible
basándose en los índices estandarizados ICDAS, con la ayuda de expertos en el
área de odontología, los mismos que realizaron una clasificación manual de los
tejidos, según las regiones segmentadas, que fueron mostradas por medio de una
interfaz gráfica; para luego asignarle la etiqueta correspondiente, dependiendo del
tipo de tejido. Los resultados que se obtuvieron por el sistema clasificador fueron
muy favorables, al momento de identificar el tipo de tejido dentario, llegando a
alcanzar un 80% y 78% de precisión en lo que es caries de la dentina y de esmalte
respectivamente, siendo estos porcentajes los de mayor rendimiento (Ridao,
2015).
2016, Kanika Lakhania, Bhawna Minochaa, Neeraj Gugnani: Análisis de
técnicas de detección de bordes para extracción de características en
radiografías dentales.
Se realizó una comparación de dos técnicas para la detección de bordes: Sobel y
operadores de Prewitt, utilizando un conjunto de radiografías dentales, con la
finalidad de detectar las discontinuidades de las mismas, en comparación a un
diente sano original. Para aplicar las técnicas mencionadas, fue necesario
convertir las radiografías en formato jpeg, y así calcular el número de pixeles en
52
blanco y negro, por cada técnica; los resultados que se obtuvieron fueron algo
parecidos, por lo que adicionalmente aplicaron los filtros de gaussiano y
laplaciano. El filtro de gaussiano, es utilizado para eliminar el ruido de las
imágenes, mejorando la calidad visual, y el filtro de laplaciano es una técnica de
nitidez que mejora los bordes de los objetos que se encuentran dentro de la
imagen.
Los resultados determinaron que la aplicación del filtro gaussiano favoreció en la
técnica de sobel, mostrando una imagen de mayor calidad visual, y por
consiguiente se determinó que la extracción de características se daría con mayor
facilidad. Además, se concluyó que la aplicación de los filtros en las imágenes,
tienen una gran contribución para el diagnóstico de enfermedades utilizando
imágenes médicas (Kanika L., Bhawna M., Neeraj, 2016).
Gráfico 29.Técnica de Sobel y Prewitt aplicada a la imagen de rayos x
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Kanika L., Bhawna M., Neeraj G.
Gráfico 30.Filtro Gaussiano aplicado a la imagen con la técnica de Sobel
Elaboración: Deyse Quito - Vanessa Salvatierra
Fuente: Kanika L., Bhawna M., Neeraj G.
53
2016, Na`am, J., Harlan, J., Madenda, S., & Wibowo, E: Identificación de las
caries proximales de la imagen de rayos X dentales con el método de
gradiente de morfología múltiple.
El método empleado, fue la morfología de segmentación, el cual comprende los
siguientes pasos:
Pre-procesamiento, en esta etapa además de mejorar la imagen eliminando el
ruido, se realiza un proceso de recorte, para obtener solo el objeto de interés, en
este caso la pieza dental, debido a que la radiografía es de la mandíbula completa.
Dilatación morfológica, esta etapa se la define, como el proceso de crecimiento,
del objeto de la imagen. La fórmula empleada es la siguiente.
Α⨁Β = {𝑍|(Β)Z ∩ Α ≠ 0}
Erosión morfológica, es el proceso de contracción de los objetos en una imagen,
denotada por la siguiente fórmula.
Α ⊝ Β = {𝑍|(Β)Z ⊆ Α}
Además, se desarrolló un algoritmo denominado Gradiente de morfología múltiple,
el cual trabaja de forma iterativa, restando los resultados de la dilatación con la
erosión morfológica, permitiendo así identificar claramente las caries dentales. Las
imágenes que se utilizaron en el estudio, para ser procesadas, fueron radiografías
dentales panorámicas. Como resultado se obtuvo, que los algoritmos utilizados,
en el estudio, contribuyeron para darle claridad a la imagen radiográfica dental,
siendo mucho más sencillo identificar las caries (Na`am, J., Harlan, J., Madenda,
S., & Wibowo, E. P. 2016).
54
FUNDAMENTACIÓN LEGAL
Constitución del Ecuador
Título VII RÉGIMEN DEL BUEN VIVIR
Capítulo primero Inclusión y equidad
Sección primera
Educación
Art. 350.- El sistema de educación superior tiene como finalidad la formación
académica y profesional con visión científica y humanista; la investigación
científica y tecnológica; la innovación, promoción, desarrollo y difusión de los
saberes y culturas; la construcción de soluciones para los problemas del país, en
relación con los objetivos del régimen de desarrollo.
Art. 425.- El orden jerárquico de aplicación de las normas será el siguiente: La
Constitución, los tratados y convenios internacionales; las leyes orgánicas; las
leyes ordinarias; las normas regionales y las ordenanzas distritales; los decretos
y reglamentos; las ordenanzas; los acuerdos y las resoluciones; y los demás actos
y decisiones de los poderes públicos.
En caso de conflicto entre nomas de distinta jerarquía, la Corte Constitucional, las
juezas y jueces, autoridades administrativas y servidoras y servidores públicos, lo
resolverán mediante la aplicación de la norma jerárquica superior.
La jerarquía normativa considerará, en lo que corresponda, el principio de
competencia, en especial la titularidad de las competencias exclusivas de los
gobiernos autónomos descentralizados.
Sección octava
Ciencia, tecnología, innovación y saberes ancestrales
Art. 385.- El sistema nacional de ciencia, tecnología, innovación y saberes
ancestrales, en el marco del respeto al ambiente, la naturaleza, la vida, las culturas
y la soberanía, tendrá como finalidad:
55
1. Generar, adaptar y difundir conocimientos científicos y tecnológicos.
2. Recuperar, fortalecer y potenciar los saberes ancestrales.
3. Desarrollar tecnologías e innovaciones que impulsen la producción nacional,
eleven la eficiencia y productividad, mejoren la calidad de vida y contribuyan a la
realización del buen vivir.
Art. 386.- El sistema comprenderá programas, políticas, recursos, acciones, e
incorporará a instituciones del Estado, universidades y escuelas politécnicas,
institutos de investigación públicos y particulares, empresas públicas y privadas,
organismos no gubernamentales y personas naturales o jurídicas, en tanto
realizan actividades de investigación, desarrollo tecnológico, innovación y
aquellas ligadas a los saberes ancestrales.
El Estado, a través del organismo competente, coordinará el sistema, establecerá
los objetivos y políticas, de conformidad con el Plan Nacional de Desarrollo, con
la participación de los actores que lo conforman.
Art. 387.- Será responsabilidad del Estado:
1. Facilitar e impulsar la incorporación a la sociedad del conocimiento para
alcanzar los objetivos del régimen de desarrollo.
2. Promover la generación y producción de conocimiento, fomentar la
investigación científica y tecnológica, y potenciar los saberes ancestrales, para así
contribuir a la realización del buen vivir.
3. Asegurar la difusión y el acceso a los conocimientos científicos y tecnológicos,
el usufructo de sus descubrimientos y hallazgos en el marco de lo establecido en
la Constitución y la Ley.
4. Garantizar la libertad de creación e investigación en el marco del respeto a la
ética, la naturaleza, el ambiente, y el rescate de los conocimientos ancestrales.
5. Reconocer la condición de investigador de acuerdo con la Ley.
Art. 388.- El Estado destinará los recursos necesarios para la investigación
científica, el desarrollo tecnológico, la innovación, la formación científica, la
recuperación y desarrollo de saberes ancestrales y la difusión del conocimiento.
Un porcentaje de estos recursos se destinará a financiar proyectos mediante
56
fondos concursables. Las organizaciones que reciban fondos públicos estarán
sujetas a la rendición de cuentas y al control estatal respectivo.
CÓDIGOS ICDAS
Código 1: Primer cambio visible en el esmalte seco
Código 2: Lesión de caries observada en esmalte en estado húmedo y permanece
después de secar
Código 3: Ruptura localizada del esmalte debido a caries sin dentina visible
Código 4: Sombra oscura de dentina subyacente, con o sin interrupción localizada
del esmalte
Código 5: Cavidad detectable con dentina visible hasta la mitad de la superficie
Código 6: Cavidad detectable extensa con dentina visible más de la mitad de la
superficie.
Pregunta científica a contestarse
¿Si se utilizan las técnicas de procesamiento digital de imágenes en todos los
tratamientos odontológicos, ayudaría a tener un mejor punto de vista de las
patologías que pueden presentarse en la cavidad bucal y a través de la ayuda de
estas técnicas los especialistas puedan tomar una mejor decisión a la hora de
realizar un diagnóstico de la morbilidad presente?
VARIABLES DE LA INVESTIGACIÓN
En el cuadro 8 se da a conocer las variables dependiente e independiente que se
han determinado en el presente trabajo de investigación.
CUADRO 6. VARIABLES DE LA INVESTIGACIÓN
TIPO DE VARIABLE VARIABLE
Independiente Procesamiento digital
de Imágenes
Dependiente Patologías Presentes en la Cavidad Bucal.
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Información de la presente investigación
57
DEFINICIONES CONCEPTUALES
Patología Bucal:
La patología bucal es un área de estudio odontológico que se encarga del análisis
de las enfermedades orales, examinando sus causas, desarrollo, signos y
síntomas. Recorre transversalmente todas las especialidades relacionadas con
las patologías de tejidos y órganos bucales y maxilofaciales. Su campo de acción
comprende la detección y tratamiento de lesiones crónicas, generalmente
asintomáticas, y anomalías localizadas en tejidos blandos, glándulas salivales,
elementos óseos y piezas dentarias. Se vale de recursos clínicos, bioquímicos y
radiográficos en su fase de diagnóstico e indagación (Aroca, 2012).
Pixel:
Unidad básica que permite representar un punto en específico de alguna imagen
(Ridao Marín, 2015).
Placa:
Acumulación de bacterias y residuos de comida que se depositan entre los dientes
y las encías, formada principalmente por la flora bacteriana bucal(Bonet & Garrote,
2014).
Toolboxes:
Grupo de librerías que contiene funciones, que se asocian a las variadas
aplicaciones de Matlab (Vargas Villanueva, Berenguel Soria, & Álamo Cantarero,
2012).
Diagnóstico Preliminar:
Realizar un análisis o estudio previo, para determinar cualquier tipo de
enfermedad que tenga el paciente, basado en los síntomas que presente (Muñoz
Maya & Trujillo, 2013).
58
Cavidad bucal:
Origen del sistema digestivo, encargada de la correcta ingesta de alimentos,
compuesta por lengua, dientes, encías, paladar superior e inferior y labios
(Calzado de Silva, Laurencio Rodríguez, & Peña Sisto, 2015).
Bacteria
Organismo microscópico, que se caracteriza por destruir los tejidos de alguna área
en específico del cuerpo humano, causando serias enfermedades (Calzado de
Silva, Laurencio Rodríguez, & Peña Sisto, 2015).
.
Suavizado de imagen:
Es una técnica de pre-procesado del procesamiento digital de imagen, que
reduce las variaciones de intensidad entre pixeles vecinos.
Odontocia:
Es la disminución de la dureza en los dientes, que ayuda al desarrollo de
las caries debido a la descalcificación que hay en la cavidad bucal.
Estreptococos Mutans:
Bacteria que se desarrolla dentro de la cavidad bucal, que habita en las fisuras de
los dientes, se alimenta de los azucares que se consume y a su vez expulsa un
ácido que va causando la destrucción de los dientes.
Tabletas reveladoras de placas:
Pastilla que se disuelve con la saliva distribuyéndose en toda la superficie dental,
manchando la placa temporalmente para ver con facilidad el espacio afectado por
la placa en la cavidad bucal (castillo, 2014).
Compresión de imagen:
Es la reducción de los datos digitales en una imagen que no son importantes ni
necesarios. La compresión de imagen permite el almacenamiento de muchas
fotografías ya que dichos archivos no utilizan mucho espacio (Felipe, 2016).
59
Placa dentobacteriana:
Es la causa que contrae la caries y la gingivitis en la cavidad bucal, afectando a
todo ser humano. Conlleva a tener un buen hábito de salud bucal para mantener
un óptimo nivel de salud oral y reducir la placa dentobacteriana presente en la
superficie dental (Galaz Ramos, Ramos Peña, & Tijerina González, 2012).
Piezas dentales:
Definido como un cuerpo duro y de color blanco que sirve como órgano de
masticación, y se encuentra engastado en las mandíbulas del hombre y de
muchos animales (Aravena, 2012).
Imágenes:
Las imágenes permiten la descripción de una figura, semejanza, apariencia,
aspecto o representación de una determinada cosa (Lopez L. , 2014).
60
CAPÍTULO III
METODOLOGÍA DE LA INVESTIGACIÓN
DISEÑO DE LA INVESTIGACIÓN
MODALIDAD DE LA INVESTIGACIÓN
El presente proyecto fue realizado en base a la investigación bibliográfica, el cual
comprende el análisis de artículos referentes a las técnicas del PDI aplicados a
las patologías bucales, en donde se evidencia cómo el uso de estas técnicas
ayuda a reforzar los diagnósticos de especialistas del área de odontología. Dicho
trabajo se encuentra conformado en un 70% bibliográfico, 10% histórico, 10%
lógico y 10% encuesta.
Gómez, Fernando, Aponte & Betancourt (2014) afirma:
La metodología propuesta para la revisión bibliográfica puede ser aplicada
a cualquier tema de investigación para determinar la relevancia e
importancia del mismo y asegurar la originalidad de una investigación.
Además, permite que otros investigadores consulten las fuentes
bibliográficas citadas, pudiendo entender y quizá continuar el trabajo
realizado. (p.159)
Tipo de investigación En el presente trabajo se utilizó el siguiente tipo de investigación:
Exploratoria:
La investigación exploratoria, se la realiza con el propósito de enfatizar aspectos
importantes de una problemática determinada y hallar la instrucción adecuada
para realizar una investigación posterior. Lo importante radica en la utilización de
sus resultados para abrir líneas investigativas y pasar a su consecuente
comprobación (Villada, 2008).
61
Se analizaron las técnicas del PDI aplicadas al estudio de patologías bucales, los
avances o variaciones que han presentado conformen al transcurso del tiempo y
la ayuda que pueden proporcionar a especialistas del área de odontología.
Métodos de investigación utilizados
Para la realización del proyecto, se hizo uso de tres métodos de investigación los
cuales se detallan a continuación:
Método histórico:
Se analizaron cada uno de los resultados obtenidos en investigaciones anteriores,
referentes al procesamiento digital de imágenes que se aplican a las patologías
bucales como caries y gingivitis, además de la evolución que han adquirido con el
pasar del tiempo.
Método lógico:
Las investigaciones que se realizaron, con respecto al uso de las técnicas del
procesamiento digital de imágenes, muestran las distintas evaluaciones, análisis
y resultados obtenidos, además de la demostración de trabajos con mayor
relevancia al tema de estudio, que se encuentran recopilados en un meta-análisis.
Método bibliográfico:
Tomando como referencia los últimos cinco años, se realizó una búsqueda
sistemática en bases de datos científicas, tales como: Elsevier, IEEE, Medline
entre otras, además de consultar sitios web, tesis de grado y libros. Para
posteriormente organizar y analizar la información obtenida.
Encuesta
La encuesta es una técnica ampliamente utilizada, que se realiza por medio de
preguntas de forma escrita o verbal con el fin de obtener datos rápidos y eficaces.
Su realización se basa en procedimientos estandarizados de interrogación con el
propósito de tener mediciones cuantitativas de gran variedad de características
subjetivas y objetivas de la población, acerca de algún tema en particular (Quispe
& Sanchez, 2011).
62
La encuesta fue dirigida a los alumnos que se encontraban cursando el décimo
semestre de la FPO de la UG, con la finalidad de conocer las opiniones acerca del
uso de técnicas informáticas que le ayuden al diagnóstico de patologías bucales.
POBLACIÓN Y MUESTRA
Población
La población se define como un conjunto de elementos con ciertas características
de estudio, al elemento se lo conoce como individuo. Cuando la población tiene
un gran número de individuos, se toma una parte de la población a la cual se le
otorga el nombre de muestra (Ventura, 2017).
Es importante recalcar que este trabajo fue planteado como una revisión
sistemática de técnicas de procesamiento digital de imágenes aplicadas a
patologías bucales, por tanto, la población definida es la cantidad de artículos que
se recopilaron de diversas bases de datos científicas. Para esto se realizó una
búsqueda, tomando en cuenta solo los artículos publicados en un rango desde el
año 2012 hasta el 2017, utilizando como ayuda descriptores que permitieron la
localización de los artículos a analizar y de esa forma definir la población de
estudio para el proyecto.
Finalmente se determinó la población identificando un total de 70 artículos, los
cuales fueron distribuidos por bases de datos, mismo que se muestra de forma
detallada en el cuadro 7.
63
CUADRO 7. POBLACIÓN DE ARTÍCULOS SELECCIONADOS
Base De Datos Científicas Artículos Científicos
Elsevier 35
IEEE 15
Springer 20
TOTAL 70
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos científicas Elsevier, IEEE y Springer
Por otra parte, la población de estudio para realizar la encuesta, fueron los
estudiantes del décimo semestre de la FPO de la UG. La razón por la cual se eligió
esta población, fue porque son estudiantes próximos a ejercerse como
odontólogos, y con la finalidad de conocer sus opiniones con respecto al uso de
técnicas informáticas que aporten a su desarrollo profesional, se les realizo dicha
encuesta.
El décimo semestre cuenta con 239 estudiantes que conforman el último año de
la carrera de odontología de la FPO, siendo considerados como la población de
estudio.
Semestre: Décimo
Estudiantes: 239
Muestra
La muestra representada como “n”, se la denomina el conjunto de casos extraídos
de la población, seleccionados por un método de muestreo. La muestra siempre
será una parte de la población, lo cual si hay varias poblaciones tendrá varias
muestras (Gil, 2011).
64
Tipos de Muestra
Muestreo no probabilístico:
Es una técnica de muestreo en donde se recogen las muestras por un proceso,
que no brinda a toda la población la misma oportunidad de ser seleccionados
como: economía, alcance, comodidad y conocimientos del investigador, etc.,
siendo que la muestra adquirida sea significativa(Silva, 2009).
Para obtener la muestra de la población de los artículos ya establecidos en el
cuadro 7, se aplicó el muestreo no probabilístico utilizando criterios de exclusión
e inclusión expuestos a continuación.
✓ Artículos publicados en español o inglés.
✓ Revisión del título y resumen de los artículos obtenidos.
✓ Artículos que contenga las técnicas del procesamiento digital de imágenes
aplicado a patologías bucales: caries, gingivitis.
✓ Evaluar que el artículo contenga descriptores como: Procesamiento de
imagen, segmentación, imágenes digitales, patologías bucales, caries.
Una vez seleccionados los artículos que cumplieron con estos criterios, y
excluyendo aquellos que no, se estableció el tamaño de la muestra de los artículos
de las tres bases de datos seleccionadas.
CUADRO 8. MUESTRA DE ARTÍCULOS SELECCIONADOS
Base de datos
científicas Número de artículos
Artículos
seleccionados
Elsevier 35 20
IEEE 20 10
Springer 15 5
TOTAL 70 35
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos científicas Elsevier, IEEE y Springer
65
Muestreo Intencional o Discrecional:
Es aquella que se escoge a base del conocimiento de una población o propósito
del estudio. En este tipo de muestreo el investigador puede usar una muestra
intencional, porque los encuestados cumplen un propósito específico que es útil
para realizar la investigación (Tamayo, 2012).
En el presente proyecto se utilizó el muestreo intencional, para obtener la
muestra de la encuesta que se realizó a los estudiantes de odontología. A
continuación, se detalla la formula estadística utilizada:
Tamaño de la muestra
Para calcular el tamaño de la muestra, utilizamos la fórmula demostrada por la
Universidad libertador de Venezuela, para estimar la proporción poblacional, la
cual nos permite determinar el número de encuestados.
La fórmula se encuentra definida de la siguiente manera:
1)1(2
me
mn
Donde:
n= Tamaño de la muestra
m = Tamaño de la Población
e = Error de estimación
Aplicando la formula en la presente investigación, con la población ya definida se
obtuvo la siguiente muestra:
1)1239(06.0
2392
n
66
1)1239)(0036.0(
239
n
18568.0
239
n
8568.1
239n
Datos obtenidos:
Tamaño de la población= 239
Tamaño de la muestra 129
INSTRUMENTOS DE RECOLECCIÓN DE DATOS
Instrumentos
Definidos como conjuntos de observación, que le permiten al investigador analizar
y registrar datos, para de esa manera obtener resultados(Rojas Crotte, 2011). Es
decir que es un conjunto de herramientas que aportan para la obtención de
información. Cada instrumento es determinado para cierta técnica; en este caso
para la presente investigación, la técnica de campo que se utilizo fue la encuesta,
por lo que el instrumento derivado de ella es el cuestionario.
Técnica
Definida como un procedimiento básico y valido para el desarrollo de una
investigación, el cual permite adquirir información necesaria e importante para
otorgar soluciones a los problemas que puedan suscitarse en cualquier área
129n
67
científica que así lo amerite (Rojas Crotte, 2011). Por tanto, podemos definir a la
técnica como un conjunto de procesos, que nos lleva a recolectar, modelar y
transmitir información.
La estructura del proceso de investigación que llevamos a cabo se muestra en el
grafico10, en donde se detalla el tipo de técnica utilizada para la investigación.
Meta-análisis Es una técnica utilizada para la revisión sistemática de estudios anteriores
referentes a un tema, el cual consiste en analizar cada uno de los registros
obtenidos y escoger los de mayor relevancia, según los criterios que se tengan
establecidos. Para luego ser plasmados en un cuadro con los campos que se
consideren necesarios. El meta- análisis realizado para la presente investigación
se encuentra como anexo 5.
En el proyecto, la técnica de campo que se utilizó, para conocer la opinión de los
estudiantes de la FPO, fue la realización de una encuesta; mientras que para los
documentales se aplicó, lectura científica y análisis de contenido, mostrando los
registros obtenidos en un meta-análisis.
Gráfico 31.Técnicas utilizadas en la investigación
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Técnicas
Documentales
Lectura científica
Análisis de contenido
De campo
Encuesta
68
Instrumentos de la Investigación A continuación, se presenta un detalle de las técnicas utilizadas con sus
respectivos instrumentos:
Documentales
Para la lectura científica los instrumentos que se utilizaron, fueron artículos de
revistas de alto impacto, que contribuye con la información necesaria para el
presente proyecto. Mientras que para el análisis de contenido se utilizó criterios
de inclusión y exclusión, que permitieron realizar una correcta selección de los
artículos, necesarios para la investigación, los cuales se ven reflejados en el meta-
análisis.
De Campo
En este grupo la técnica escogida fue la encuesta, la cual tiene como instrumento
el cuestionario, que se basa en una serie de preguntas relacionadas al proyecto
de investigación, que tiene como finalidad ser dirigida a la muestra de la población
para la cual se realiza el proyecto.
Procedimientos de la investigación A continuación, se presentan los procedimientos de investigación dividido en
cuatros grupos, los cuales se detallan a continuación como, problema, marco
teórico, metodología y recolección de información.
Problema:
Planteamiento del problema.
Causas y consecuencias.
Objetivos y alcances.
Justificación e importancia.
Marco teórico:
Antecedentes.
Fundamentación teórica.
Fundamentación legal.
Variables.
69
Definiciones.
Metodología:
Investigación bibliográfica.
Definición de la población y muestra.
Instrumentos para la recolección de datos.
Procedimiento para la investigación.
Recolección de información:
Búsqueda sistemática.
Encuesta.
PROCESAMIENTO Y ANÁLISIS
Una vez recopilada la información, se procedió con el análisis de cada artículo,
establecido dentro de la muestra, para proceder con la elaboración del meta-
análisis, en el cual se detallan las técnicas de procesamiento digital de imágenes
que fueron aplicadas en patologías bucales como caries dental, presentados en
los casos de estudio, logrando así analizar un total de 35 artículos.
Para el meta-análisis, se consideraron los siguientes campos: año de publicación,
titulo, palabras clave, técnica implementada, herramienta tecnológica utilizada,
objetivo y conclusiones, mostrados en el anexo 4. Para esto se realizó la lectura y
análisis de contenido de cada artículo, obteniendo de esa forma la información
necesaria para la elaboración del meta-análisis; siendo así, se dio a conocer
cuáles son las técnicas más utilizadas para el estudio de caries dental.
Es así como se determinó que una de las técnicas, que más se ha utilizado en los
estudios con relación a la detección de caries, es la transformada Sobel, siendo
esta aplicada en su mayoría en radiografías dentales, obteniendo resultados muy
favorables. Además, se determinó que las imágenes segmentadas, pueden ser
utilizadas para ser ingresadas en sistemas basados en redes neuronales, con el
objetivo de clasificarlas de acorde al grado de afectación y de esa manera el
sistema pueda ser parte de la toma de decisiones del odontólogo. Cabe recalcar
que casi la totalidad de los trabajos realizados utilizaron radiografías dentales.
70
En el meta-análisis que se realizó también se evidencio el uso de otras técnicas
aplicadas para la segmentación de imágenes, tal es el caso de Level set method,
Wavelet, Gradiente de Morfología Múltiple y Chan-vese. Por otra parte, se
analizaron los resultados que se obtuvieron de la encuesta realizada, los cuales
son detallados en cuadros y gráficos estadísticos, con sus respectivos análisis.
Encuesta
A continuación, se presenta la encuesta realizada a los estudiantes del último
semestre de la FPO. Cabe recalcar que la muestra que se obtuvo de la población
ya antes definida la cual es de 129 estudiantes.
Tabulación del género
Se presenta la tabulación en cuadro y gráfico estadístico del género de los 129
encuestados.
CUADRO 9. GÉNERO DE LOS ENCUESTADOS
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
GÉNERO FRECUENCIA %
MASCULINO
55
43%
FEMENINO
74
57%
TOTAL
129
100%
71
Gráfico 32.Representación gráfica del género de los encuestados
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
En el cuadro 9. Se puede observar, que de los 129 encuestados, los cuales son
estudiantes del último semestre de la FPO de la UG, el 57% pertenece al género
femenino, mientras que el 43% al género masculino; siendo esto equivalente a 74
y 55 estudiantes respectivamente. Es decir que, en el último semestre de
Odontología, existe un nivel mayor de mujeres que de hombres, tal como se
observa en el gráfico 32.
Tabulación de las edades
A continuación, se muestra en cuadro y grafico estadístico, la cantidad de
estudiantes encuestados, que en este caso son 129, clasificados por edad y a su
vez por género, realizando un análisis de los resultados obtenidos.
0%
10%
20%
30%
40%
50%
60%
43%
57%
MASCULINO FEMENINO
72
CUADRO 10. EDADES DE LOS ENCUESTADOS
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Gráfico 33.Representación gráfica de las edades
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
En el cuadro 10. Se puede visualizar la cantidad de encuestados, clasificados por
edad y sexo, en el cual se observa que, de los 55 estudiantes de género
0%
10%
20%
30%
40%
50%
22 23 24 >=25
2%
32,73%38,18%
27,27%
4%
43%
34%
19% M
F
EDADES M % F %
22 1 2% 3 4%
23 18 32,73% 32 43%
24 21 38,18% 25 34%
>=25 15 27,27% 14 19%
TOTAL 55 100% 74 100%
73
masculino, el 38,18% pertenece a los de 24 años, y el 2% a los de 22 años; siendo
estos los porcentajes más alto y bajo respectivamente. De la misma manera, en
el mismo cuadro se observa que de los 74 estudiantes de género femenino, el
43% corresponde a las de 23 años y el 4% a las de 22 años; representando el
porcentaje más alto y bajo respectivamente. En el gráfico 33 se puede observar
que el promedio de los encuestados, entre hombres y mujeres, se encuentra entre
los 23 y 24 años de edad.
Preguntas A continuación, se presentan las preguntas realizadas a los 129 estudiantes del
último semestre de la FPO. Cada respuesta fue debidamente tabulada y
analizada.
1. ¿Considera usted que las técnicas del procesamiento digital aportarían
mucho en la rama de odontología?
CUADRO 11. TABULACIÓN DE DATOS DE LA PREGUNTA 1
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
TO
TA
L
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IST
INT
O
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 109 20 0 0 0 129
PORCENTAJE (%) 84,5% 15,5% 0% 0% 0% 100%
74
Gráfico 34.Representación gráfica de la pregunta 1
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
Los resultados de la primera pregunta se ven relejados en el gráfico 34 donde
indica que el 84% de los estudiantes encuestados, están totalmente de acuerdo,
en que las técnicas del PDI aportarían a la rama de odontología, por otro parte el
16% restante, está parcialmente de acuerdo. En el cuadro 11 se detallan los datos
obtenidos en esta pregunta.
2. ¿Considera usted que el uso de las técnicas del PDI ayuden a visualizar las
imágenes de una manera más eficiente, permitiéndole un análisis más
optimo?
84,5%
15,5%
0% 0% 0%0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
80,0%
90,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que las técnicas del procesamiento digital aportarían mucho en la rama de odontología?
TOTAL ACUERDO
PARCIAL ACUERDO
INDISTINTO
DESACUERDO
TOTAL DESACUERDO
75
CUADRO 12. TABULACIÓN DE DATOS DE LA PREGUNTA 2
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Gráfico 35.Representación gráfica de la pregunta 2
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
34,9%
30,2%
12%
16%
8%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que el uso de las técnicas del PDI ayuden a visualizar las imágenes de una manera más
eficiente, permitiéndole un análisis más optimo?
TOTAL ACUERDO
PARCIAL ACUERDO
INDISTINTO
DESACUERDO
TOTAL DESACUERDO
T
OT
AL
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IST
INT
O
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 45 39 15 20 10 129
PORCENTAJE (%) 34,9% 30,2% 12% 16% 8% 100%
76
Análisis:
Los resultados obtenidos en la segunda pregunta, reflejan un 35% y 30% de la
muestra que está total y parcialmente de acuerdo, respectivamente; es decir que
el 65% consideran que visualizar las imágenes a través de las técnicas del PDI
dan resultados óptimos, sin embargo, el 35% restante tiene una opinión dividida,
es así que al 12% le es indiferente, mientras que el 15% está en desacuerdo y el
8% totalmente en desacuerdo; así lo refleja el gráfico 35.
3. ¿Considera usted que las técnicas del PDI puede ser una herramienta
confiable en la medicina de forma general?
CUADRO 13. TABULACIÓN DE DATOS DE LA PREGUNTA 3
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
TO
TA
L
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 90 20 9 0 10 129
PORCENTAJE (%) 69,8% 15,5% 7% 0% 8% 100%
77
Gráfico 36. Representación gráfica de la pregunta 3
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
En el gráfico 36 se refleja a un 85.3 % se refleja que la herramienta PDI es
confiable en todas las ramas de la medicina; sin embargo, solo el 8% está en total
en desacuerdo, así se lo refleja en el cuadro 13.
4. ¿Considera usted que el uso de nuevas técnicas le ayudaría con resultados
óptimos la cual ayuden a aplicar tratamientos adecuados?
CUADRO 14. TABULACIÓN DE DATOS DE LA PREGUNTA 4
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
69,8%
15,5%7%
0%8%
0,0%
20,0%
40,0%
60,0%
80,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que las técnicas del PDI puede ser una herramienta confiable en la medicina de
forma general?
TOTAL ACUERDO
PARCIAL ACUERDO
INDIFERENTE
DESACUERDO
TOTAL DESACUERDO
TO
TA
L
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 96 23 5 0 5 129
PORCENTAJE
(%)
74,4%
17,8%
3,9%
0%
3,9%
100%
78
Gráfico 37.Representación gráfica de la pregunta 4
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
Los resultados obtenidos en esta pregunta 4, indican que el 92.2 % de los
estudiantes encuestados, consideran que el uso de nuevas técnicas ayuda
aplicando tratamientos odontológicos adecuados, sin embargo, para el 4% esto
no es así, estando en un total desacuerdo; así se ve reflejado en el gráfico 37.
5. ¿Considera usted que el uso de técnicas informáticas, ayudarían a obtener
un diagnóstico más preciso, cuando no se tiene tanta experiencia ejerciendo
la profesión de odontólogo?
CUADRO 15. TABULACIÓN DE DATOS DE LA PREGUNTA 5
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
74,4%
17,8%
3,9% 0,0% 3,9%
0,0%
20,0%
40,0%
60,0%
80,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que el uso de nuevas técnicas le ayudaría con resultados óptimos la cual ayuden a
aplicar tratamientos adecuados?
TOTAL ACUERDO
PARCIAL ACUERDO
INDIFERENTE
DESACUERDO
TOTAL DESACUERDO
TO
TA
L
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 65 36 18 5 5 129
PORCENTAJE (%) 50,4% 27,9% 14,0% 3,9% 3,9% 100%
79
Gráfico 38.Representación gráfica de la pregunta 5
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
En el gráfico 38se refleja que el 78% de la muestra, considera que el uso de
nuevas técnicas odontológicas, le ayudaría a proporcionar diagnósticos más
precisos cuando no se tiene mucha experiencia ejerciendo su profesión; sin
embargo, para el 14% muestra esto le es indiferente, dejando al 8% en
desacuerdo. Los resultados se muestran a detalle en el cuadro 15.
6. ¿Usted tiene conocimiento acerca del procesamiento digital de imágenes y su
uso en la ciencia?
Gráfico 39.Representación gráfica de la pregunta 6
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
50,4%
27,9%
14,0%
3,9% 3,9%
0,0%
20,0%
40,0%
60,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que el uso de nuevas técnicas, ayudaría a obtener un diagóstico más preciso, cuando
no se tiene tanta experiencia ejerciendo la profesión de odontólogo?
TOTAL ACUERDO
PARCIAL ACUERDO
INDIFERENTE
DESACUERDO
TOTAL DESACUERDO
34,1%38,8%
15,5%
4,7% 7,0%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Usted tiene conocimiento acerca del procesamiento digital de imágenes y su uso en la ciencia?
TOTAL ACUERDO
PARCIAL ACUERDO
INDISTINTO
DESACUERDO
TOTAL DESACUERDO
80
CUADRO 16. TABULACIÓN DE DATOS DE LA PREGUNTA 6
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
Los resultados obtenidos por esta preguntan se muestran en el gráfico donde el
34% indica conocer totalmente el procesamiento digital de imágenes mientras que
el 39 % de manera parcial; sin embargo, al 15% considera indiferente el tema,
mientras que el 5% y 7% indican desconocer del tema. Los resultados se muestran
a detalle en el cuadro 16
7. ¿Considera usted que el uso de Procesamiento Digital de Imágenes, le
ahorraría tiempo a la hora de establecer un diagnostico preliminar?
Gráfico 40. Representación gráfica de la pregunta 7
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
46,5%
38,0%
7,8%3,9% 3,9%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que el uso de Procesamiento Digital de Imágenes, le ahorraria tiempo a la hora de establecer un
diagnostico preliminar?
TOTAL ACUERDO
PARCIAL ACUERDO
INDIFERENTE
DESACUERDO
TOTAL DESACUERDO
TO
TA
L
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 44 50 20 6 9 129
PORCENTAJE (%) 34,1% 38,8% 15,5% 4,7% 7,0% 100%
81
CUADRO 17. TABULACIÓN DE DATOS DE LA PREGUNTA 7
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
Los resultados que se muestran en el gráfico 40 indican que el 84% de los
encuestados, están total y parcialmente de acuerdo, debido a que los porcentajes
que se alcanzaron fueron del 46% y del 38%respectivamente; esto quiere decir
que ellos consideran que si se ahorrarían tiempo al momento de establecer sus
diagnósticos, si se hace el uso de procesamiento digital de imágenes; sin embargo
del 16% restante al 8% le es indiferente, mientras que para el otro 8% el uso de
procesamiento digital de imágenes no le ayudaría debido a que el 4% está en
desacuerdo y el otro 4% totalmente en desacuerdo.
8. ¿Considera usted que el uso de Procesamiento Digital de Imágenes, aportaría
a su enseñanza y aprendizaje, tanto en el ámbito profesional como
estudiantil?
TO
TA
L
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 60 49 10 5 5 129 PORCENTAJE (%)
46,5%
38,0%
7,8%
3,9%
3,9%
100%
82
CUADRO 18. TABULACIÓN DE DATOS DE LA PREGUNTA 8
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Gráfico 41.Representación gráfica de la pregunta 8
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
En esta pregunta la respuesta de los estudiantes encuestados fue a favor del uso
de procesamiento digital de imágenes, debido que el porcentaje que se alcanzo
fue del 64% en total acuerdo y un 19% en parcial acuerdo, por tanto se puede
decir que ellos consideran que el uso del procesamiento digital de imágenes si
63,6%
19,4%
5,4% 6,2% 5,4%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que el uso de Procesamiento Digital de Imágenes, aportaria a su enseñanza y aprendizaje, tanto
en el ámbito profesional como estudiantil?
TOTAL ACUERDO
PARCIAL ACUERDO
INDIFERENTE
DESACUERDO
TOTAL DESACUERDO
T
OT
AL
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 82 25 7 8 7 129
PORCENTAJE (%) 63,6% 19,4% 5,4% 6,2% 5,4% 100%
83
sería un gran aporte en su enseñanza y aprendizaje, tanto en el ámbito profesional
como estudiantil; sin embargo del 17% restante, al 6% le es indiferente, mientras
que al 6% y 5% están en desacuerdo y total desacuerdo, así se lo ve reflejado en
el gráfico 41.
9. ¿Considera usted que la existencia de una guía en donde se detalle paso a
paso el uso de técnicas de Procesamiento de Imágenes, aplicado a las
patologías bucales, ayudaría a la toma de decisiones de los especialistas
odontológicos?
CUADRO 19. TABULACIÓN DE DATOS DE LA PREGUNTA 9
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Gráfico 42.Representación gráfica de la pregunta 9
Elaboración: Deyse Quito – Vanessa Salvatierra
61,2%
19,4%
7,0% 4,7% 7,8%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que la existencia de una guia en donde se detalle paso a paso el uso de tecnicas de
Procesamiento de Imágenes, aplicado a las patologias bucales, ayudaria a la toma de decisiones de los
especialistas odontologicos?
TOTAL ACUERDO
PARCIAL ACUERDO
INDIFERENTE
DESACUERDO
TOTAL DESACUERDO
TO
TA
L
AC
UE
RD
O
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 79 25 9 6 10 129
PORCENTAJE (%) 61,2% 19,4% 7% 4,7% 7,8% 100%
84
Fuente: Encuesta de la investigación
Análisis:
En esta pregunta la respuesta de los estudiantes encuestados indica que el 61%
de la muestra están en total acuerdo y el 19% en parcial acuerdo, es decir que en
su mayoría consideran que una guía en donde se detalle paso a paso el uso de
procesamiento digital de imágenes aplicado a patologías bucales, le ayudaría a la
toma de decisiones, sin embargo, para el 7% le es indiferente, mientras que el 5%
está en desacuerdo y 8% en total desacuerdo así se lo indica en el gráfico 42
10. ¿Considera usted que la Facultad Piloto de Odontología, se beneficiaría con
el uso de nuevas técnicas de Procesamiento Digital de Imágenes?
CUADRO 20. TABULACIÓN DE DATOS DE LA PREGUNTA 10
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
TO
TA
L A
CU
ER
DO
PA
RC
IAL
AC
UE
RD
O
IND
IFE
RE
NT
E
DE
SA
CU
ER
DO
TO
TA
L
DE
SA
CU
ER
DO
TO
TA
L
FRECUENCIA 80 28 10 4 7 129
PORCENTAJE (%) 62,0% 21,7% 8% 3% 5% 100%
85
Gráfico 43. Representación gráfica de la pregunta 10
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Análisis:
Los resultados obtenidos en esta pregunta, muestran que el 62% de los
encuestados están en total acuerdo, es decir que consideran que la Facultad
Piloto de Odontología, se vería beneficiada con el uso de nuevas técnicas de
procesamiento digital de imágenes, un 22% está parcialmente de acuerdo,
mientras que para el 8% le es indiferente; sin embrago hay 3% en desacuerdo y
5% en total desacuerdo. Como se observa en el gráfico 43.
62,0%
21,7%
7,8%3,1% 5,4%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
PORCENTAJE
ESTU
DIA
NTE
S
¿Considera usted que la Facultad Piloto de Odontologia, se beneficiaria con el uso de nuevas tecnicas de
Procesamiento Digital de Imágenes?
TOTAL ACUERDO
PARCIAL ACUERDO
INDIFERENTE
DESACUERDO
TOTAL DESACUERDO
86
CAPITULO IV
RESULTADOS CONCLUSIONES Y RECOMENDACIONES
RESULTADOS
Como resultado de la investigación realizada, se evidenció en el meta-análisis,
que en la mayoría de los estudios analizados utilizaron como herramienta Matlab,
que es un software matemático, el cual puede ser utilizado para el procesamiento
digital de imágenes. Sin embargo, hubo investigaciones donde no se especificó la
herramienta utilizada. A continuación, en el gráfico se visualiza la tendencia con
respecto al uso de Matlab en los estudios revisados.
Gráfico 44.Herramientas tecnológicas
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Encuesta de la investigación
Como se puede observar en el gráfico 44 el 75% representa a los trabajos en los
que se utilizó Matlab, debido a que es un software que cuenta con herramientas
que le permiten expandir su capacidad, como lo es el procesamiento de imágenes.
Como resultado a la pregunta 5 de la encuesta ubicada en anexos, se obtuvo que
el 78% de la muestra, considera que el uso de nuevas técnicas odontológicas, le
75%
25%
HERRAMIENTAS TECNOLÓGICAS
MATLAB
OTROS
87
ayudaría a proporcionar diagnósticos más precisos cuando no se tiene mucha
experiencia ejerciendo su profesión; sin embargo, para el 14% de la muestra esto
le es indiferente, dejando al 8% en desacuerdo. Los resultados se muestran a
detalle en el cuadro 15.
Como resultado a la pregunta 8 realizada en la encuesta, se obtuvo a un 63.6% a
favor de que tener información compartida y dictada en su enseñanza por
maestros especializados en el tema, les aportaría a tener un conocimiento amplio
en su aprendizaje lo cual les aportaría en el futuro en su ámbito profesional. Sin
embargo, el 36.4% considera no necesario tener información sobre el PDI.
Los resultados obtenidos en la pregunta 10, muestran al 84% de los encuestados
estar de acuerdo, con la pregunta; es decir que consideran que la Facultad Piloto
de Odontología, se vería beneficiada con el uso de nuevas técnicas de
procesamiento digital de imágenes, sin embargo, para el 16% restante esto le es
indiferente.
88
Evolución de las técnicas del PDI
A continuación, se presenta como resultado de la investigación, una línea de
tiempo con relación al uso de las técnicas de procesamiento digital de imágenes,
que se visualiza en el gráfico 45.
Gráfico 45.Evolución de técnicas de segmentación
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Base de datos Elsevier, IEEE, Springer
2013 2014 2015 2016 2017
Se realizó un análisis de las coordenadas colorimétricas de una fruta (Guayaba), para detallar el color que iba teniendo, conforme avanzaba su maduración, además de analizar el comportamiento en distintas condiciones de manipulación y almacenaje, definiendo así los días de maduración exactos de la fruta, aplicando técnicas del PDI.
Técnicas de Segmentación Aplicadas a las Máculas de la Piel como Método de Detección Temprana de la Progresión del Pie Diabético. Las técnicas utilizadas fueron Umbralización y Sobel
Se aplico un Algoritmo de segmentación aplicado a imágenes sísmicas para obtener geocuerpos complejos no visibles a primera vista. De tal manera que s permitió tener una mejor visualización de los mismos utilizando la técnica de Umbralización.
Detección automática de lesiones en mamografías usando técnicas de análisis de imágenes, en las cuales se extrajo automáticamente descriptores de mayor relevancia, que permitieron reconocer las patologías mamarias mediante técnicas de Wavelet.
Utilizaron el Procesamiento de imágenes para la identificación temprana de plagas o malezas que alteren los cultivos de espinaca, de tal manera que se pudo evitar que se extendiera a todos los cultivos. Utilizando las técnicas de Sobel, K-means y Umbralización.
89
CONCLUSIONES
Una vez concluido el proyecto de investigación se da las siguientes conclusiones:
✓ Luego de aplicar los criterios de inclusión y exclusión para la selección de
los artículos, se evidenció la importancia de la colaboración de la
informática en otras áreas, además del beneficio que otorga a los
involucrados.
✓ Con el análisis que se realizó de cada trabajo, se evidenció que existe
variedad de técnicas para el procesamiento digital de imágenes, las cuales
pueden llegar a tener buenos resultados, con la ayuda de filtros como
Gaussiano y Laplaciano. Además de que la técnica más utilizada y con
mejores resultados para la detección de caries es Sobel.
✓ Mediante un previo estudio realizado, se pudo obtener una línea de tiempo,
en el cual se evidencia como el procesamiento digital de imágenes ha sido
utilizado en diversas áreas con el objetivo de contribuir en las soluciones
de los problemas.
✓ Como resultado de la investigación se elaboró un meta-análisis, además
de un artículo de revisión en los cuales se muestran los trabajos que se
han venido realizando, acerca del uso de las técnicas de procesamiento
digital de imágenes asociados a problemas bucales.
90
RECOMENDACIONES
✓ Se recomienda para futuros trabajos, considerar el estudio de otras
patologías, de manera que se contribuya al diagnóstico de las mismas,
aplicando diferentes técnicas de procesamiento digital de imágenes, con
la finalidad de determinar la más adecuada, y su vez permitiéndole obtener
resultados óptimos.
.
✓ Se sugiere considerar el uso de otras herramientas tecnológicas además
de Matlab, para el procesamiento digital de imágenes, como Python que
es un lenguaje multiplataforma dinámico con un enfoque simple.
✓ Con el meta-análisis realizado, acerca de las técnicas de procesamiento
digital de imágenes aplicadas a la detección de patologías bucales, se
espera que sea de beneficio para los estudiantes o profesionales que
realicen próximos estudios con respecto a esta área de la informática.
.
✓ Se sugiere que se considere a nivel educativo impartir temas referentes al
procesamiento digital de imágenes, de manera que se resalte la
importancia e interacción que existe con otras áreas indistintas a la
informática como lo es la medicina.
91
BIBLIOGRAFÍA
Abdolvahab , E. R., Ismail Bin , M. A., Mohd Shafry , M. R., & Hoshang , K. (2015).
Computer-Aided Dental Caries Detection System from X-Ray Images. Springer, 10(331), 233-234.
Abdolvahab, E. R., Mohd, S., Mohd, R., & Alireza, N. (6 de Junio de 2013). Digital
Dental X-Ray Image Segmentation and Feature Extraction. TELKOMNIKA,, Vol. 11(6), 3109 - 3114.
Adarme Jaimes, W., Arango Serna, M. D., & Cogollo Flórez, J. M. (2012). Medición
del desempeño para cadenas de abastecimiento en ambientes de imprecisión usando lógica difusa. Revistas Cientificas Javeriana, 95-115.
Amer, Y. Y., & Aqel, M. J. (2015). An Efficient Segmentation Algorithm for
Panoramic Dental Images. Procedia Computer Science(65), 718-725.
Aubrey, S. (2005). salud oral, salud general y calidad de vida. boletin de la
organizacion mundial de la salud, 83.
Barranco G., A., Martínez Díaz, S., & Gómez T., J. (Enero de 2016). Visión
Estereoscópica por Computadora con Matlab y OpenCV. Obtenido de https://www.researchgate.net/profile/Alejandro_Barranco_Gutierrez5/publication/309717602_VISION_ESTEREOSCOPICA_POR_COMPUTADORA_CON_MATLAB_Y_OPENCV/links/581e1b7e08aea429b295bf32.pdf
Benítez Castro, A. M., & Córdoba Fraga, T. (2015). Analisis de imágenes médicas
usando Matlab. Jóvenes en la Ciencia, 1246.
Biblioteca Nacional de Medicina de los EE.UU. (2 de Febrero de 2016). Gingivitis.
Recuperado el 24 de Noviembre de 2017, de MedlinePlus: https://medlineplus.gov/spanish/ency/article/001056.htm
Bonet, R., & Garrote, M. (2014). Enfermedades periodontales. FARMACIA
ABIERTA, 23-27.
Carvajal, P. (2016). Enfermedades periodontales como un problema de salud
pública: el desafío del nivel primario de atención en salud. Revista Clínica de Periodoncia, Implantología y Rehabilitación Oral, 177-183.
Cauas, D. (2015). Definicion de las variables, enfoque y tipo de investigación.
Recuperado el 23 de Diciembre de 2017, de Biblioteca electronica de la universidad nacional de Colombia: https://s3.amazonaws.com/academia.edu.documents/36805674/lVariables.pdf?AWSAccessKeyId=AKIAIWOWYYGZ2Y53UL3A&Expires=1514593655&Signature=e2Mz5zmz7AWgY3cRUah1vWkxBb0%3D&response-contentdisposition=inline%3B%20filename%3Dvariables_de_Daniel_Cauas.pdf
92
Cerrato Vargas, J. L., & Quintanilla Domínguez, J. (2014). Sistema de Detección
de Microcalcificaciones en Mamografia Digitalizada Aplicando Procesamiento de Imagen e Inteligencia Artificial. Jóvenes en la Ciencia, 426-435.
Challenger Pérez, I., Díaz Ricardo, Y., & Becerra García, R. A. (2014). El lenguaje
de programación Python. Ciencias Holguín, 1-13.
Chamizo, A. D. (Septiembre de 2013). Entorno de programación Gráfico OpenCV.
Obtenido de http://e-archivo.uc3m.es
Chávez Vereau, N., & Alarcón Palacios, M. (2012). Enfermedad gingival en
adolescentes: Diagnóstico y tratamiento. Revista Estomatológica Herediana, 167-170.
Chazallet, S. (2016). Python 3: los fundamentos del lenguaje. Ediciones ENI, 2016.
Ching, W. W., Cheng, T. H., Jia, H. L., Chung, H. L., Sheng, W. C., Ming, J. S., . .
. Lindner, C. (2016). A benchmark for comparison of dental radiography analysis algorithms. Medical Image Analysis(31), 63-76.
Chung Fernández, A. M., Márquez Zaragoza, L., & Hernández Borroto, C. E.
(2013). Relación de la gingivitis crónica con algunas afecciones del sistema osteomioarticular según holograma del microsistema de dientes alemán . MEDISAN, 31-37.
Cortés Osorio, J. A., Muriel, A., & Mendoza Vargas, J. A. (2011). Comparación
cualitativa y cuantitativa de las técnicas básicas de umbralización global basadas en. Scientia et Technica, 266-272.
De la Fuente Bermúdez, S. L., Ornelas Rodríguez, F. J., Gonzaléz Barbosa, J. J.,
Hurtado Ramos, J. B., Romero del Valle, M., & Salinas Rincón, J. A. (6 de junio de 2015). Congreso Nacional de Tecnolgia Aplicada a Ciencias de la Salud. Recuperado el 15 de Noviembre de 2017, de Deteccion de masas y asimetrías en mamografias con distintos patrones parenquimales,utilizando entropía de Tsallis-Havrda-charvát.: http://www-optica.inaoep.mx/~tecnologia_salud/2015/memorias/pdf/MyT2015_44_E.pdf
Díaz Contreras, C. A., Aguilera Rojas , A., & Guillén Barrientos, N. (2014). Lógica
difusa vs. modelo de regresión múltiple para la selección de personal. Ingeniare. Revista chilena de ingeniería, 547-559.
Díaz Valdés, L., & Valle Lizama, R. L. (2015). Influencia de la salud bucal durante
el embarazo en la salud del futuro bebé. Gaceta Médica Espirituana, 1-14.
93
Felipe, A. (1 de Abril de 2016). Cómo comprimir imágenes PDF para reducir el tamaño del archivo. Obtenido de https://pdf.wondershare.es/pdf-editing-tips/compress-images-in-pdf.html
García, A., & Moreno, A. (0 de 0 de 2008). Metodología para el procesamiento de
la información. Obtenido de Metodología para el procesamiento de la información: https://dialnet.unirioja.es/servlet/
García, E. M. (2012). Visión Artificial. Obtenido de FUOC Fundación para la
Universitat Oberta de Catalunya.
Georgia D. Koutsouri, B. E., Tripoliti, E. E., Oulis, C., & Fotiadis, D. I. (2013).
Detection of occlusal caries based on digital image processing. Biomedical Engineering Laboratory, 2(13), 1-4.
Gil, P. S. (2011). udocente.sespa. Obtenido de
http://udocente.sespa.princast.es/documentos/Metodologia_Investigacion/Presentaciones/4_%20poblacion&muestra.pdf
González Segura, F. (2015). Uso de matlab (rtw) para controles de motores de
corriente directa. Ciencias Holguín, 1-10.
Gonzalez, M. A., & Ballarin, V. L. (2008). Segmentación de imágenes utilizando la
transformada Watershed: obtención de marcadores mediante lógica difusa. IEEE LATIN AMERICA TRANSACTIONS,, 223-228.
Hernandez, C. (20 de Marzo de 2015). Salud 180. Obtenido de http://www.salud180.com/bienestar180/higiene-bucal-evita-los-problemas-dentales
Instituto Nacional de Investigacion Dental y Craneofacial. (Agosto de 2013). Salud
oral y dental: Instituto Nacional de Investigacion Dental y Craneofacial. Obtenido de https://www.nidcr.nih.gov/Espanol/SaludOral/LasEnfermedades/EnfermedadDeLasEncias.htm
Jennifer Galaz Ramos, E. R. (2012). RIESGO DE PRESENCIA DE PLACA
DENTOBACTERIANA ASOCIADO AL CONTROL DE HIGIENE BUCAL EN ADOLESCENTES. RESPYN, 1-9.
Jiménez López, A. F., Prieto Pelayo, M. C., & Ramírez Forero, Á. (2015).
Enseñanza del Procesamiento de Imágenes en Ingeniería usando Python. 179-186.
Kanika, L., Bhawna, M., & Neeraj, G. (11 de Abril de 2016). Analyzing edge
detection techniques for feature extraction in dental radiographs. Elsevier, 8, 395-398.
94
Kaur, J. (2015). An Image Segmentation Based Clustering Technique Applied on Dental Images. International Journal of Emerging Technologies in Engineering, 3(2), 1-4.
Lara Gutiérrez, H. G., Lara Ruiz, M. G., Hernández Hernández, V., Hernández
Hernández, B., & Hernández Hernández, G. (2014). Classification of premature ventricular contraction beats based on unsupervised learning methods. Revista Ingeniería Biomédica, 51-58.
Llulluna Llumiquinga, F. R. (14 de Febrero de 2014). Procesamiento de imágenes
mediante software libre python para el análisis de metalográfico en aceros de bajo contenido de carbono. Quito, Pichincha, Ecuador.
López Vantour, A. C., Quinzán Luna, A. M., Nuñez Antunez, L., Marrero Ponce,
M., & Macias Frómeta, R. (2016). Salud bucal en jóvenes soldados. Medisan, 3041-3046.
Lopez, L. (4 de Abril de 2014). COEM 4205. Obtenido de
https://www.google.com.ec/search?biw=1366&bih=637&ei=W25UWujBPI7ZzwK6pZU4&q=imagen+concepto&oq=imagen+con&gs_l=psy-ab.1.4.0l10.19996.24087.0.26285.4.4.0.0.0.0.442.830.0j3j4-1.4.0....0...1c.1.64.psyab..0.4.828...0i67k1j0i131i67k1j0i10k1.0.g0cp0hGqPDQ
Lopez, S. (20 de Marzo de 2015). Salud 180. Obtenido de
http://www.salud180.com/bienestar180/higiene-bucal-evita-los-problemas-dentales
Molina, N. (2012). Caries dental en primeros molares permanentes de escolares
de la delegación Tláhuac. ADM, 63-68.
Molinar Solís, J., Escoto Ponce de León, M. d., García Lozano, R., & Bautista
Thompson, E. (2012). Evaluación computarizada de pruebas psicológicas mediante el procesamiento digital de imágenes. Redalyc, 420-421.
Mordvintsev, A., & Abid, K. (05 de Noviembre de 2017). OpenCV-Python Tutorials
Documentation. Obtenido de https://media.readthedocs.org/pdf/opencv-python-tutroals/latest/opencv-python-tutroals.pdf
Moreno Ramírez, W. A., Trejo Durán, M., Lizárraga Morales, R. A., Cabal Yépez,
E., & Carrillo Ledesma, L. M. (2017). Determinación del estado de madurez deuna cereza aplicando procesamiento de imágenes. Jóvenes en a Ciencia, 2685-2689.
Na`am, J., Harlan, J., Madenda, S., & Wibowo, E. P. (2016). Identification of The Proximal Caries of Dental X-Ray Image with Multiple Morphology Gradient Method. Advance Science Engineering Information Techonology, 6(3), 345-348.
Nagpal, D., & bhambhu, L. (1 de October de 2013). IMPLEMNTATION OF
SIMULINK BASED MODEL USING SOBEL EDGE DETECTOR FOR
95
DENTAL PROBLEMS. International Journal of Innovations in Engineering and Technology (IJIET), Vol. 3, 254-262.
Nicolás Puppo, T. A. (2015). IDENTIFICACIÓN Y CLASIFICACIÓN DE
MARIPOSAS CON TÉCNICAS DE COMPUTARIZADA. UNIVERSIDAD COMPLUTENSE DE MADRID.
Nogué, A., & Antiga, J. (Abril de 2012). Aplicación práctica de la visión artificial en
el control de procesos industriales. Gobierno de España (Ministerio de Educación). Obtenido de http://www.visionartificial.fpcat.cat/wp-content/uploads/Conocimientos.pdf
OMS. (2004). problema mundial de las enfermedades bucodentales. GINEBRA.
OMS. (Abril de 2012). Centro de Prensa: Organizacion Mundial de la Salud.
Recuperado el 15 de Noviembre de 2017, de Organizacion Mundial de la Salud: http://www.who.int/mediacentre/factsheets/fs318/es/
OMS. (Abril de 2012). Salud bucodental. Recuperado el 14 de Noviembre de 2017,
de Organizacion Mundial de la Salud: www.who.int/mediacentre/factsheets/fs318/es/
OPS/OMS. (26 de Diciembre de 2011). Boletin informativo N0. 29: Organización
Panamericana de la Salud/ Organización Mundial de la Salud. Recuperado el 15 de Noviembre de 2017, de Organización Panamericana de la Salud/ Organización Mundial de la Salud: http://www.paho.org/ecu/index.php?option=com_docman&view=download&category_slug=publications&alias=356-boletin-informativo-n0-29-enero-octubre-2011&Itemid=599
OPS/OMS. (20 de Marzo de 2013). Centro de Prensa: Noticias: La salud
bucodental es esencial para la salud en general: OPS/OMS. Recuperado el 25 de noviembre de 2017, de Organizacion Panamericana de la Salud/ Organizacion Mundial de la Salud: http://www.paho.org/hq/index.php?option=com_content&view= article&id=8387%3A2013-oral-health&catid=1443%Aweb-bulletings&Itemid=135&lang=143
Organizacion Panamericana de la Salud. (21 de Marzo de 2013). La salud
buvodental es escencial para la salu en general. Recuperado el 25 de noviembre de 2017, de http://www.paho.org/hq/index.php?option=com_content&view= article&id=8387%3A2013-oral-health&catid=1443%Aweb-bulletings&Itemid=135&lang=143
Ortiz, F., & Garcia, M. (2005). Metodologia de la Investigacion. Mexico: Limusa. Palomino, N. (2009). Técnicas de Segmentación en Procesamiento Digital de
Imágenes. UNMSM, 9-16.
96
Platero, C. (2012). Técnicas de preprocesado . Electrónica, Automática e Informática Industrial, 115-149.
Quispe, D., & Sanchez, G. (2011). Encuestas y entrevistas en investigación
científica. Revistas Bolivianas, 490-494.
Ricardo Faria Almeidaa, A. L. (2013). Efectos de las enfermedades periodontales
sobre la diabetes. Elsevier, 151-159.
Ridao Marín, D. (Febrero de 2015). Desarrollo de un sistema de ayuda a la
decisión para tratamientos odontológicos con imágenes digitales. Málaga, España.
Roa, F., García, J. R., & Bravo, A. (2017). Extracción de información cuantitativa
a partir de imágenes de microscopía. Revista Técnica de la Facultad de Ingeniería Universidad del Zulia.
Rocha Navarro, M. L., Serrano Reyes, S., Fajardo Araujo, M. E., & Servín Zavala,
V. H. (2014). Prevalencia y grado de gingivitis asociada a placa dentobacteriana en niños. Revista Electrónica Nova Scientia, 190-218.
Rodríguez Albuja, M. J., & Jaramillo, J. P. (2016). Efectividad de un programa
educativo en mujeres adolescentes con gingivitis. MEDISAN, 879-886.
Rojas Crotte, I. R. (2011). Elementos para el diseño de técnicas de investigación:
propuesta de definiciones y procedimientos en la investigación científica. Revista Interinstitucional de Investigación Educativa, 277-297.
Rojas Montes, J. (2012). Procesamiento digital de imágenes con Matlab y
Simulink. Sistemas & Telemáticas, 77-78.
Sheiham, A. (2005). Oral health, general health and quality of life. Bulletin of the
World Health Organization, 83(9), 644.
Silva, F. (17 de Mayo de 2009). Explorable. Obtenido de
https://explorable.com/es/muestreo-no-probabilistico
Siqueira, C. (4 de Septiembre de 2017). Universia Costa Rica. Obtenido de
http://noticias.universia.cr/educacion/noticia/2017/09/04/1155475/tipos-investigacion-descriptiva-exploratoria-explicativa.html
Solmaz, V., Mostafa, G., Ehsani, S., Hadis, M., Fateme, A., & Hooman, B. (5 de
Agosto de 2015). Designing of a Computer Software for Detection ofApproximal Caries in Posterior Teeth.Medical Sciences and Iranian Society of Radiology, 12(4), 1-8.
Vargas Villanueva, M., Berenguel Soria, M., & Álamo Cantarero, T. (2012). Tutorial
de Introducción a Matlab. Obtenido de
97
http://www.ceiucaweb.com.ar/documentos/1-ciclo-basico/2do-anio-2do-cuatri/metodos/apunte/tutorialMatlab%5B1%5D.pdf
Ventura, J. (2017). ¿Población o muestra?: Una diferencia necesaria . Revista
Cubana de Salud Pública, 43.
Zieve, D. (22 de Febrero de 2016). Medline. Obtenido de
https://medlineplus.gov/spanish/ency/esp_imagepages/9260.htm
98
Anexo 1. Demostración de Técnica de Sobel
%lectura de la imagen img=imread('Caso6-3a.jpg'); %convierte la imagen a escala de grises img_gris = rgb2gray (img); T=graythresh(img_gris); %convierte la imagen en una imagen binaria img_binaria=im2bw(img_gris,T); %técnica de segmentacionsobel img_sobel=edge(img_binaria,'sobel'); %realiza la segmentacion BWoutline = bwperim(img_sobel); SegoutR = img_gris; SegoutG = img_gris; SegoutB = img_gris; SegoutR(BWoutline) = 255; SegoutG(BWoutline) = 0; SegoutB(BWoutline) = 0; SegoutRGB = cat(3, SegoutR, SegoutG, SegoutB); %muestro las imagenes subplot(2,3,1),subimage(img),title('a) imagen original'); subplot(2,3,2),subimage(SegoutRGB),title('b) Sobel');
99
Anexo 2. Guía del funcionamiento de la técnica de Sobel en Matlab
1. Descargar e Instalación de Matlab
Ingresa a la página es.mathworks.com y da clic en la parte superior donde dice
"Entrar".
Gráfico 46.Pagina de Oficial de Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Ahora se procede con la creación de la cuenta en MathWorks, dando clic en la
parte inferior donde dice “Create Account”.
Gráfico 47.Crear cuenta en Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
100
Se procede a ingresar los datos que se requieren, y luego se da clic en “crear”.
Gráfico 48. Ingreso de datos en Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
La siguiente ventana en mostrarse, es la que le indica verificar su dirección de
correo electrónico.
Gráfico 49. Indicaciones para verificar la cuenta de Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
101
A continuación, llega un mensaje de verificación a la dirección del correo
ingresado, donde debe hacer clic en el enlace que le muestra.
Gráfico 50. Verificación de la cuenta de Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Luego para finalizar el proceso de la creación de la cuenta, se debe continuar
rellenado ciertos campos solicitados. Y dar clic donde dice “Create”.
Gráfico 51. Proceso final para la creación de la cuenta en Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
102
En el último paso el sistema te pedirá asociar la licencia UPF. Introduce la clave
de activación siguiente: 13075-45782-33356-36580-09550 y haz clic en
"Associate License".
Gráfico 52. Activación de la licencia
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Descarga e Instalación de Matlab
2. Descarga el producto
Gráfico 53. Descarga de Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
103
Vamos a la página principal de MathWorks y en la pestaña Productos escogemos
la “Última versión".
Hacemos clic en el botón de "Descargar la versión" y después en el botón de
descarga de la versión más reciente.
Gráfico 54. Descarga de Matlab versión R2016b
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Seleccionamos el sistema operativo del ordenador y descarga el instalador
correspondiente:
104
Gráfico 55. Eleccion del Sistema Operativo
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Gráfico 56. Descarga del archivo
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
105
3. Instala la aplicación
Mostraremos el proceso de instalación para la versión Windows. El proceso de
instalación para el resto de sistemas será muy similar.
Haz clic dos veces en el archivo .exe que acabas de descargar:
Gráfico 57. Instalación del Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Posiblemente te pida volver a hacer login con tu usuario de MathWorks. Hazlo y
selecciona tu licencia de estudiante.
106
Gráfico 58. Selección del Método de Instalación
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Gráfico 59. Verificación de E-mail
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
107
Gráfico 60. Verificación de Licencia
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Selecciona la carpeta donde quieres que se instale la aplicación:
Gráfico 61. Selección de la Ubicación en la Pc
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
108
Se selecciona los componentes a instalar:
Gráfico 62. Selección de Paquetes de funcionamiento
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
El sistema descargará e instalará todos los componentes seleccionados:
Gráfico 63. Descarga e instalación de paquetes
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
109
Para abrir la herramienta da doble clic en el icono de Matlab, el cual se muestra en la siguiente imagen.
Una vez cargado el software se abrirá la siguiente pantalla, en la cual deberá copiar el código donde dice “Command Window” dicho código deberá estar en bloc de notas para poder ser edito.
Gráfico 64. Pantalla Principal de Matlab
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
A continuación, se muestra el código de la técnica de Sobel en un bloc de notas, en el cual añadimos la siguiente línea imshow(img); para visualizar la imagen original, con la cual se va a trabajar.
Gráfico 65. Algoritmo de Sobel
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
110
Una vez editado el código se procede a copiarlo al editor de Matlab, y luego se
procede a dar un enter para ejecutarlo. Visualizando de esa manera la imagen, como
se muestra en la figura a continuación.
Gráfico 66. Ejecución del algoritmo
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
A continuación, se muestra el código de la técnica de Sobel en un bloc de notas, en
el cual añadimos la siguiente línea imshow(img_gris); para visualizar la imagen en
escala de grises.
Gráfico 67. Algoritmo de Sobel paso a paso
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
111
Una vez editado el código se procede a copiarlo al editor de Matlab, y luego se
procede a dar un enter para ejecutarlo. Visualizando de esa manera la imagen en
escala de grises, como se muestra en la figura a continuación.
Gráfico 68. Imagen en escala de Grises
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
A continuación, se muestra el código de la técnica de Sobel en un bloc de notas, en
el cual añadimos la siguiente línea imshow(img_binaria); para visualizar la
imagen umbralizada.
Gráfico 69. Algoritmo usando imshow
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
112
Una vez editado el código se procede a copiarlo al editor de Matlab, y luego se
procede a dar un enter para ejecutarlo. Visualizando de esa manera la imagen con
umbralización, como se muestra en la figura a continuación.
Gráfico 70. Visualización de umbralización
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
A continuación, se muestra el código de la técnica de Sobel en un bloc de notas, en
el cual dejamos el código tal cual como se encuentra guardado, sin añadir la línea
de imshow(variables).
Gráfico 71. Algoritmo de la Técnica de Sobel
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
113
Una vez editado el código se procede a copiarlo al editor de Matlab, y luego se
procede a dar un enter para ejecutarlo. Visualizando de esa manera la imagen
segmentada, mostrando unos puntos de color rojo sobre el área que se encuentra
afectada de la pieza dental.
Gráfico 72. Resultado de la aplicación del algoritmo de Sobel
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
Es importante que después de cada ejecución del código se debe limpiar la
pantalla, donde dice Command Window y Workspace, como se muestra en la
siguiente imagen.
Gráfico 73. Limpieza de Pantallas de trabajo
Elaboración: Deyse Quito – Vanessa Salvatierra
Fuente: Deyse Quito – Vanessa Salvatierra
114
Anexo 3. Encuesta - Estudiantes
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES
Objetivo: Encuesta para conocer la opinión de los estudiantes de la Facultad Piloto de Odontología de la Universidad de Guayaquil, con respecto a un Diagnóstico Preliminar mediante Procesamiento Digital de Imágenes para Patologías Presentes en la Cavidad Bucal.
EDAD: ______ SEXO: M() F( )
Por favor seleccione solo una opción por pregunta; marque con un “” TD= Total Desacuerdo
D= Desacuerdo
I=Indiferente
PA=Parcial Acuerdo
TA= Total Acuerdo
PREGUNTAS TD D I PA TA 1.-¿ ¿Considera usted que las técnicas del procesamiento
digital aportarían mucho en la rama de odontología?
2.-¿ ¿Considera usted que visualizar las imágenes de una
manera más eficiente a través de las técnicas del PDI,
ayude al análisis de una manera rápida y eficiente?
3.-¿ ¿Considera usted que las técnicas del PDI puede ser una
herramienta confiable en la medicina de forma general?
4.-¿ ¿Considera usted que el uso de nuevas técnicas le ayudaría
con resultados óptimos la cual ayuden a aplicar
tratamientos adecuados?
5.-¿ ¿Considera usted que el uso de nuevas técnicas, ayudaría
a obtener un diagnóstico más preciso, cuando no se tiene
tanta experiencia ejerciendo la profesión de odontólogo?
6.-¿ ¿Usted tiene conocimiento acerca del procesamiento
digital de imágenes y su uso en la ciencia?
7.-¿ ¿Considera usted que el uso de procesamiento digital de
imágenes, le ahorraría tiempo a la hora de establecer un
diagnostico preliminar?
8.-¿ ¿Considera usted que el uso de procesamiento digital de
imágenes, aportaría a su enseñanza y aprendizaje, tanto en
el ámbito profesional como estudiantil?
9.-¿ ¿Considera usted que la existencia de una guía, en donde
se detalle paso a paso el uso de técnicas de procesamiento
de imágenes, aplicado a las patologías bucales, ayudaría a
la toma de decisiones de los especialistas odontológicos?
10.-¿ ¿Considera usted que la Facultad Piloto de Odontología se
beneficiaría con el uso de nuevas técnicas de
procesamiento digital de imágenes?
115
Anexo 4. Solicitud entregada a la Facultad Piloto de Odontología
116
Anexo 5. Respuesta a la solicitud
117
Anexo 6. Estado del Arte
Artículo de revisión
Procesamiento digital de imágenes, aplicado a patologías presentes en la cavidad bucal
Quito Cárdenas, Deyse; Salvatierra Guanuche, Vanessa
Resumen: Diagnosticar las patologías expuestas en la cavidad bucal, es una habilidad, que deben adquirir el odontólogo, por tal motivo, este trabajo, presenta técnicas de procesamiento digital de imagen(PDI) como un método experimental, que intenta contribuir con la supervisión visual, al momento de detectar algún tipo de afectación en el área bucal. Este trabajo recoge, los artículos de mayor relevancia, con el propósito de construir un estado del arte, que revele, en forma evolutiva, los avances que presentan las técnicas del PDI asociadas a problemas odontológicos. Para el desarrollo de este trabajo, fue necesario considerar publicaciones de los repositorios de scopus y latindex, donde la relevancia, fue el indicador principal, tal es el caso, de IEEE, Elsevier, Medline, redalyc y scielo, los criterios de inclusión y exclusión, dieron pertinencia al tema y permitieron articular la propuesta. Cabe señalar, que este trabajo deja entrever, como las técnicas de
PDI, ayudan al odontólogo a reforzar los diagnósticos, debido a la reducción de la brecha que existe entre los algoritmos planteados y el uso de las Normas Internacionales como el Sistema Internacional de Detección y Diagnóstico de Caries (ICDAS). Palabras clave: Procesamiento de imagen, segmentación, imágenes digitales, patologías bucales, caries. Abstract Diagnosing the pathologies exposed in the oral cavity is a skill that the dentist must acquire. For this reason, this work presents techniques of digital image processing (PDI) as an experimental method, which attempts to contribute with visual supervision, time to detect some type of affectation in the oral area. This work includes the most relevant articles, with the purpose of constructing a state of the art, that reveals, in an evolutionary way, the advances that the PDI techniques associated with dental problems
present. For the development of this work, it was necessary to consider publications from the scopus and latindex repositories,
where relevance was the main indicator, such as IEEE, Elsevier, Medline, redalyc and scielo, the inclusion and exclusion criteria,
118
they gave relevance to the topic and allowed to articulate the proposal. It should be noted that this work suggests, as the techniques of PDI, help the dentist to strengthen diagnostics, due to
the reduction of the gap between the proposed algorithms and the use of International Standards such as the International Detection System and Diagnosis of Caries (ICDAS).
Key words: Image processing,
segmentation, digital images, oral
pathologies, caries.
Introducción Las enfermedades bucodentales, son problemas de salud oral, que afectan a nivel mundial, a niños y adultos, sin importar la raza, sexo o condición social. Expertos afirman que la falta de información respecto a la importancia del cuidado de la cavidad oral, es la principal causa, para adquirirlas, incluso podrían ser un impedimento para disfrutar el día a día, debido al impacto negativo que se generan en las personas en diversos ámbitos: social, psicológico y físico [19]. Por tales motivos la rama de odontología busca contrarrestar el índice de problemas orales mediante procedimientos especializados, así como también la realización de campañas que permitan la obtención de un diagnóstico, para previo tratamiento y prevención de las mismas. De tal manera se pretende relacionar la odontología con otras ciencias, como lo es la informática junto al PDI. El PDI y su uso en la ciencia, se ha convertido en un tema de interés, debido a la cantidad de procesos que se llevan a cabo en diferentes áreas, como medicina, ingeniería, geología, entre otras,
en las cuales se necesita ver hasta el mínimo detalle de las imágenes, que aporten a la toma de decisiones[25]. Sin duda alguna el avance de la tecnología ha contribuido, para que el PDI, sea considerado como una disciplina fundamental en la ciencia, debido a que cada vez se cuenta con hardware y software de mayor eficiencia, que aportan a la obtención de resultados más certeros. Como un punto importante, se desea desarrollar la línea base relacionada con las enfermedades presentes en la cavidad bucal tales como: caries y gingivitis; que puedan ser diagnosticadas, mediante técnicas de PDI, para de esa manera, contribuir a la toma de decisiones y al uso de nuevas técnicas odontológicas, que aporten al aprendizaje de los especialistas. Desarrollo 1. Patologías bucales
Las piezas dentales pueden presentar diferentes afecciones que van a alterar su forma, estructura y función. Por lo que se considera importante, evitar daños mayores que pueden llevarnos a tener ciertos tipos de patologías dentales y periodontales causadas por bacterias[11].Tales como:
119
2. Caries:
Es un proceso localizado de origen multifactorial que se inicia después de la erupción dentaria, la mala higiene bucal provocando el reblandecimiento del tejido duro del diente y evoluciona hasta la formación de una cavidad [18].
3. Gingivitis:
Enrojecimiento, inflamación y sangrado en la encía, son síntomas de gingivitis, una enfermedad que afecta directamente en esa área, por la cantidad de bacterias acumulada en ellas, la cual puede ser curada con un buen cepillado, hilo dental y por supuesto una limpieza hecha por el dentista [10]. 4. Procesamiento digital de
imágenes
Conjunto de técnicas, cuya finalidad, es darle una mejora a la calidad o ayudar con la visualización de pequeños detalles, en las imágenes, que no pueden ser observados a simple vista [21]. 5. Etapas delProcesamiento
digital de imágenes
A continuación, se muestran las etapas a seguir para el procesamiento digital de imágenes. 6. Captura:
En esta etapa, es donde intervienen algún dispositivo o equipo tecnológico (cámaras fotográficas, escáneres, computadoras, equipos de radiología, etc.), que permite de
alguna u otra manera, realizarla representación del objeto, dando lugar a la imagen digital. 7. Pre-procesado:
La finalidad de esta etapa, es el de mejorar o realzar las propiedades de la imagen, detectando y eliminando algún tipo de falla de la misma. 8. Segmentación:
En la segmentación se realiza una descomposición de la imagen en partes significativas (grupo de pixeles), agrupados por alguna característica en común, a los cuales se le asigna una etiqueta, con la finalidad de que sea más fácil de analizar; como identificar el objeto o establecer los límites del mismo dentro de la imagen. 9. Extracción de descriptores:
Una vez segmentada la imagen, pasa a la siguiente fase, la cual consiste en extraer las características que se establecieron en la etapa anterior, y de esa manera asociarlas al grupo correspondiente, para proceder a analizarlas [15]. 10. Clasificación:
En esta etapa se identifica el objeto, por medio de un algoritmo de clasificación; es decir que se realiza una separación de los objetos, según las características que se establecieron en etapas anteriores. 11. Técnicas De Segmentación
12. Umbralización:
120
Técnica básica y muy eficaz, en la cual se realiza una división en dos partes, en escala de grises, de los pixeles de una imagen, lo que ayudara a identificar con mayor claridad las características de la misma [7]. 13. Transformada Top-Hat:
Técnica que se basa en operaciones de morfología matemática, conocida como filtro residual, la misma que tiene como finalidad resaltar partes de las imágenes que se eliminan, al momento de realizarse la operación de apertura; una vez que pasa ese proceso, se obtiene una diferencia entre la imagen original y la modificada, es ahí donde el contraste de las partes eliminadas de la imagen tiene un aumento considerable [6]. La función que se aplica para la transformada Top-Hat, está definida de la siguiente manera.
𝐹2(𝑥, 𝑦) = 𝐹(𝑥, 𝑦) − (𝐹(𝑥, 𝑦)°𝐵3(𝑥, 𝑦))
Donde “°” representa la operación de “apertura” [8]. 14. Transformada Watershed
(T.W.):
Se define como una técnica de segmentación que se basa en regiones, en la cual se considera a la imagen como un relieve topográfico inundado en agua, esta técnica, realiza una división de la imagen, clasificando sus pixeles, dado a la homogeneidad de sus texturas, proximidad espacial y la gradiente de sus niveles de gris [22]. Por tanto, se considera como una técnica muy
eficiente a la hora de distinguir contornos similares. La transformada de Watershed, es una técnica morfológica adaptable y capaz, a la hora de diferenciar objetos muy complejos, los cuales no se pueden analizar de forma correcta por medio de algoritmos básicos. La principal característica de esta técnica, es la utilización de marcadores unívocos o también conocidos como semillas, los cuales dan inicio a los algoritmos de inundación indicando así los sectores de baja intensidad de gris llamados basins[10]. 15. Algoritmo de Canny:
Utilizado para la detección de bordes en las imágenes, tiene como objetivo principal cumplir tres criterios, los cuales son, buena localización, baja tasa de error y respuesta mínima. Básicamente trabaja con cuatro técnicas: Suavizado, supresión de no-máximos, obtención del gradiente y por último Histéresis[17].
16. Algoritmo K-means:
Uno de los más utilizados, cuando se trata de agrupar objetos en un determinado espacio. 17. Transformada Sobel
Utilizado para la detección de bordes, realiza un cálculo aproximado a la gradiente en función a la intensidad de la imagen, por lo que se tendría un cambio abrupto o suave de la misma, siendo más fácil de interpretar. Además, hay que tomar en cuenta, que la transformada de sobel solo
121
trabaja con imágenes en escala de grises, por tanto, si es a color debería ser convertida.
Materiales y Métodos En el presente trabajo, se realizó un estudio bibliográfico, mediante la lectura científica y el análisis de contenido. Para la obtención de documentos, relacionados al diagnóstico de patologías bucales aplicando procesamiento digital de imágenes, fue necesario visitar varias bases de datos científicas como: Elsevier, Medline, Redalyc, Scopus, entre otras; además de realizar una búsqueda exhaustiva en Google académico. En ambos casos la consulta bibliográfica se realizó de cinco años atrás a la fecha; es decir publicaciones referentes al periodo desde el 2013 hasta el 2017,utilizandocomo descriptores: procesamiento de imagen, segmentación, imágenes digitales, patologías bucales y caries. Para obtener registros, con mayor relación al objeto de estudio, se realizó combinaciones con los mismos descriptores, anteriormente mencionados, siendo estos los criterios de inclusión, para de esa manera excluir trabajos que no presentan ninguno de estos criterios o que no tengan ninguna relación con el objeto de estudio, siendo estos los criterios de exclusión. Una vez seleccionados los trabajos, se procedió con la lectura crítica del resumen y el análisis de los resultados, para determinar si son aplicables o no al tema de estudio. Resultados o discusión
En el presente trabajo se hace referencia a investigaciones, cuyo estudio se basa en el uso de técnicas del PDI, para el diagnóstico de patologías bucales. 2013, Deepika Nagpal - Lekhabhambhu: Implementación del modelo basado en simulink utilizando el detector de borde sobel para problemas dentales, Se implementó un modelo de procesamiento de imágenes basado en la transformada de sobel, con el fin de determinar problemas en las piezas dentales, en el cual se utilizó criterios específicos, considerados como parte fundamental en la segmentación, para esto se utilizó imágenes de rayos X dental, y como herramienta el simulador de Matlab: Simulink. La arquitectura de este modelo cuenta con un conjunto de bloques de procesamiento de video e imagen, en el cual se presenta el filtrado de imágenes para la detección de bordes. Para realizar la prueba del modelo simulink, se utilizó la herramienta de prueba del sistema System Test, en el cual se utilizó como condición lo siguiente:
• Valores de umbral que van
desde 365 a 535
• Niveles de ruido que van de 0
a 100
El resultado obtenido por el estudio, determinó que el modelo de simulink, se basa en el procesamiento de una imagen pixel por pixel, concluyendo que
122
las técnicas basadas en el simulador son más fáciles de entender e implementar [16]. 2013, Abdolvahab Ehsani Rad, Mohd Shafry Mohd Rahim, Alireza Norouzi: Segmentación digital de imágenes de rayos X dentales y extracción de características. Se utilizaron imágenes de rayos x dental, para aplicar técnicas de procesamiento de imagen, con la finalidad de extraer características que les permita crear un sistema de identificación humana de los dientes o bien la detección de caries dental. Para la extracción de estas características se utilizó un método de segmentación basado en técnicas estadísticas, denominado Grey Level Co-ocurrence Matriz (GLCM), el cual genera características basadas en matrices, diseñadas para medir las relaciones espaciales entre los pixeles. A continuación, se muestra las ecuaciones aplicadas para extraer ciertas características de las imágenes.
• Contraste
∑ 𝑛2 {∑ ∑ pNg
j=1
Ng
i=1(i, j)
Ng−1
n=0 , 𝑖, 𝑗 = n
• Correlación
∑ ∑ (𝑖, 𝑗)𝑗 𝑝(𝑖, 𝑗) − 𝜇𝑥𝜇𝑦𝑖
𝜎𝑥𝜎𝑦
• Entropía
− ∑ ∑ 𝑝(𝑖, 𝑗)𝑗
log(𝑝(𝑖, 𝑗))𝑖
• Homogeneidad
∑ ∑1
1 = (𝑖, 𝑗)2𝑗𝑖
𝑝 (𝑖, 𝑗)
• Energía
∑ ∑𝑗
𝑝(𝑖, 𝑗)2
𝑖
Como resultado se determinó que la técnica de segmentación que estaban utilizando era una técnica muy prometedora, pero que necesitaba mejoras, debido a que se enfocaron en extraer las características de la imagen, sin antes eliminar el ruido y aumentar el contraste de la misma [2]. 2015, Yusra Y. Amera, Musbah. Aqelb: Un algoritmo de segmentación eficiente para imágenes dentales panorámicas. Para realizar las respectivas pruebas, se utilizó imágenes radiográficas panorámicas, utilizando como técnica de segmentación la transformada de wavelet, cuyo objetivo fue el de extraer las muelas del juicio, para posteriormente clasificarlas y obtener información útil de ellas, tales como la forma del diente y el grado de desviación. El método consistió en tres etapas: pre-procesamiento; se preparó la imagen para el algoritmo de
123
segmentación, mediante mejora del contraste, umbral de Otsu, dilatación morfológica, etiquetado de componentes conectados, eliminación de objetos no deseados y multiplicación de imagen. Extracción del ROI; fue definido en función al ancho promedio de las muelas del juicio, diferenciando entre la mandíbula inferior y superior. Post-procesamiento; en esta etapa se aplicaron los siguientes pasos: ecualización del histograma, umbral global de Otsu y etiquetado de componentes conectados, para eliminar las partes indistintas al ROI, dando forma así al diente. Los resultados que se obtuvieron del estudio, demostraron que después de la primera etapa, el rendimiento en las otras fases mejoraba, extrayendo con éxitolas muelas del juicio. Como conclusión se determinó que las imágenes segmentadas podrían ser utilizadas en un sistema clasificador, según el grado de afectación de la pieza dental [3].
Figura: 1 Imagen original
Fuente: Yusra Y. Amera, Musbah.
Aqelb - 2015 Figura: 2
Imagen después del preprocesado
Fuente: Yusra Y. Amera, Musbah.
Aqelb - 2015
Figura: 3
Extraccion del ROI
Fuente: Yusra Y. Amera, Musbah. Aqelb - 2015
Figura: 4
Resultado final de procesamiento
Fuente:Yusra Y. Amera, Musbah. Aqelb
– 2015
2015, Solmaz, V., Mostafa, G., Ehsani, S., Hadis, M., Fateme, A., & Hooman, B.: Diseño de un software de computadora para la detección de caries proximal en dientes posteriores.
124
Se desarrolló un software, cuya funcionalidad fue la de realizar diagnósticos referentes a la caries dental, utilizando como ayuda una base de datos con imágenes radiográficas digitales, que le permitiría identificar la profundidad y ubicación de la misma. Cabe recalcar que cada imagen fue segmentada, aplicando el algoritmo clusteringfuzzy c-means (FCM) de agrupación de datos, denominado también método de clúster suave.
∑ ∑ n. .m
ij
t
j=1
N
i=1𝑥𝑖 − 𝐶𝑗
2
;1 ≤ m ≤ ∞
Este algoritmo fue seleccionado por su agrupamiento suave, debido a que otorga la oportunidad de mejorar la detección de caries, incluso
considera la adyacencia de los pixeles en cada una de las imágenes. Para la funcionalidad del software se basó en la detección de puntos locales, máximos o mínimos que se presentan en la curva del borde de la imagen, para luego ser unidos y determinar la profundidad de la caries, Una vez segmentadas las imágenes, se identificó el borde del diente y se evaluó la cavidad del mismo. Como resultado de las pruebas, se obtuvo un 60% en la identificación de caries de esmalte y un 97% en caries de la dentina. Por lo que se determinó que el software era lo suficientemente capaz para identificar las caries de la dentina, pero limitado para la detección de caries de esmalte [24].
Figura: 5
Diagrama esquemático del software
Fuente: Solmaz, V., Mostafa, G., Ehsani, S., Hadis, M., Fateme, A., & Hooman, B.-2015
2015, Ridao Marín, D: Desarrollo de un sistema de ayuda a la decisión para tratamientos odontológicos con imágenes digitales.
Sistema basado en una clasificación de tejidos dentarios, utilizando imágenes digitales, con la finalidad de realizar evaluaciones de las piezas dentales, mediante la detección, segmentación y clasificación de
125
los tejidos. La detección de bordes fue basada en el gradiente, que consiste en tres pasos: estimación del gradiente, supresión con máxima y umbral de histéresis; para la segmentación de regiones, se utilizó el algoritmo de Mean Shift, en el cual los pixeles se mapean en un espacio a color y se agrupan en regiones homogéneas de la imagen, extrayendo así las diversas características; que fueron utilizadas como parámetros al ser ingresadas en un sistema basado en redes neuronales, diseñado para realizar la respectiva clasificación de los tejidos dentales. Esta clasificación fue posible basándose en los índices estandarizados ICDAS, con la ayuda de expertos en el área de odontología, los mismos que realizaron una clasificación manual de los tejidos, según las regiones segmentadas, que fueron mostradas por medio de una interfaz gráfica; para luego asignarle la etiqueta correspondiente, dependiendo del tipo de tejido. Los resultados que se obtuvieron por el sistema clasificador fueron muy favorables, al momento de identificar el tipo de tejido dentario, llegando a alcanzar un 80% y 78% de precisión en lo que es caries de la dentina y de esmalte respectivamente, siendo estos porcentajes los de mayor rendimiento [21]. 2016, KanikaLakhania, BhawnaMinochaa, NeerajGugnani: Análisis de técnicas de detección de bordes
paraextracción decaracterísticas en radiografías dentales. Se realizo una comparación de dos técnicas para la detección de bordes: Sobel y operadores de Prewitt, utilizando un conjunto de radiografías dentales, con la finalidad de detectar las discontinuidades de las mismas, en comparación a un diente sano original. Para aplicar las técnicas mencionadas, fue necesario convertir las radiografías en formato jpeg, y así calcular el número de pixeles en blanco y negro, por cada técnica; los resultados que se obtuvieron fueron algo parecidos, por lo que adicionalmente aplicaron los filtros de gaussiano y laplaciano. El filtro de gaussiano, es utilizado para eliminar el ruido de las imágenes, mejorando la calidad visual, y el filtro de laplaciano es una técnica de nitidez que mejora los bordes de los objetos que se encuentran dentro de la imagen. Los resultados determinaron que la aplicación del filtro gaussiano favoreció en la técnica de sobel, mostrando una imagen de mayor calidad visual, y por consiguiente se determinó que la extracción de características se daría con mayor facilidad. Además, se concluyó que la aplicación de los filtros en las imágenes, tienen una gran contribución para el diagnóstico de enfermedades utilizando imágenes médicas [12].
Figura 6: Técnica de sobel y prewitt aplicada a la
imagen de rayos x
126
Fuente:Kanika L., Bhawna M., Neeraj G.-2016
Figura 7: Filtro gaussiano aplicado a la imagen
con la técnica de sobel
Fuente:Kanika L., Bhawna M., Neeraj G.- 2016
2016, Na`am, J., Harlan, J., Madenda, S., & Wibowo, E: Identificación de las caries proximales de la imagen de rayos X dentales con el método de gradiente de morfología múltiple. El método empleado, fue la morfología de segmentación, el cual comprende los siguientes pasos:
Pre-procesamiento, en esta etapa además de mejorar la imagen eliminando el ruido, se realiza un proceso de recorte, para obtener solo el objeto de interés, en este caso la pieza dental, debido a que la radiografía es de la mandíbula completa. Dilatación morfológica, esta etapa se la define, como el proceso de crecimiento, del objeto de la imagen. La fórmula empleada es la siguiente.
Α⨁Β = {𝑍|(Β)Z ∩ Α ≠ 0} Erosiónmorfológica, es el proceso de contracción de los objetos en una imagen, denotada por la siguiente fórmula.
Α ⊝ Β = {𝑍|(Β)Z ⊆ Α} Además, se desarrolló un algoritmo denominado Gradiente de morfología múltiple, el cual trabaja de forma iterativa, restando los resultados de la dilatación con la erosión morfológica, permitiendo así identificar claramente las caries dentales. Las imágenes que se utilizaron en el estudio, para ser procesadas, fueron radiografías dentales panorámica. Como resultado se obtuvo, que los algoritmos utilizados, en el estudio, contribuyeron para darle claridad a la imagen radiográfica dental, siendo mucho más sencillo identificar las caries [16].
127
Meta-Análisis de artículos recolectados para la elaboración del estado del arte
Nº TITULO AÑO DE
PUBLICACIÓN
PALABRAS
CLAVE
TÉCNICA IMPLEMENTA
DA OBJETIVO
1
ImplemntationofsimulinkbasedModelusingsobeledge
detector For dental problems
2013
Segmentación, caries dental
Transformada de Sobel
Determinar problemas en las piezas dentales utilizando criterios específicos para la segmentación.
2
Digital Dental X-Ray
ImageSegmentation and
FeatureExtraction
2013 Segment
ación
Level set method, Grey
Level Co-Ocurrence
Matriz (GLCM)
Automatizar el proceso de representación y extraer las características de textura de las imágenes de rayos X dentales para utilizarlas en otras aplicaciones.
3
Detectionofocclusal caries basedon
digital imageprocessing
2013
Segmentación, caries dental
k-Means
Presentar un método automatizado no supervisado para la detección de caries oclusales basado en imágenes fotográficas en color.
4
Anautomatic and effectivetoothisolationmethodfor
dental radiographs
2013 Radiografía dental
Umbralización
Diagnosticar radiografías por medio del aislamiento dental.
5
DifferentImageSegmentationTechni
quesfor Dental ImageExtraction
2014
umbralización,
regiones, textura, borde.
Regiones, texturas, bordes
Realizar un estudio comparativo de tres técnicas segmentadas por imágenes: basada en regiones, texturas y bordes para la detección de anomalías mínimas en las imágenes dentales.
6
Level Set and
MorphologicalOperationTechniques in Applicationof
Dental ImageSegmentati
on
2014 Segment
ación Umbralización
Segmentar las imágenes de la radiografía dental para la realización de un análisis preciso.
128
7
AnEfficientSegmentationAlgorithmf
orPanoramic Dental Images
2015 Segment
ación Transformada
de wavelet
Extraer las muelas del juicio que se utilizarán más adelante en la clasificación y extraer información útil, como la forma de los dientes y el grado de desviación.
8
Designingof a Computer Software
forDetectionofApproximal Caries in
Posterior Teeth
2015 Caries dental
Fuzzy c-Means (FCM)
Desarrollar y evaluar la función del software de diagnóstico de computadora diseñado para la evaluación de caries proximales en dientes posteriores
9
AnImageSegmentationBasedClusteringTechniqueAppl
iedon Dental Images 2015
Imagen digital, caries dental
K-Means.
Mejorar la calidad de la imagen de rayos X de entrada para la segmentación y finalmente extraer el conjunto de características de textura de las imágenes dentales para cada imagen de rayos X.
10
SegmentationofTooth and
Pulpfrom Dental Radiographs
2015 Segment
ación Chan-Vese
Segmentar cada diente y pulpa en radiografías periapicales.
11
Desarrollo de un sistema de ayuda a la decisión para
tratamientos odontológicos con imágenes
digitales.
2015 Imágene
s digitales
Mean Shift
Diseñar un sistema computacional de clasificación de tejidos dentarios con imágenes digitalizadas, con el propósito de evaluar de una manera precisa el estado de salud dental.
12
Analyzing edgedetectiontec
hniquesfor feature
extractionindentalradiographs
2016 Segment
ación, caries
Sobel, Prewitt
Determinar la técnica la más adecuada, para la extracción de características de una radiografía dental.
13
IdentificationofThe Proximal Caries of
Dental X-Ray ImagewithMultiple
MorphologyGradientMethod
2016 otras
Método de Gradiente de Morfología
Múltiple
Realizar el afilado de la imagen de rayos X dentales en forma de una radiografía dental panorámica.
129
14
MultipointSearchAlgorithmforAutomati
c SegmentationofToothfrom Digital Intra
Oral Periapical Radiographs
2016
Segmentación de imagen,
procesamiento de imagen
Sobel Investigar las radiografías periapicales intraorales
grabadas digitalmente (IOPA).
15
Edge Detection in MagneticResonanceImagesusing Global
CannyAlgorithm
2017 Detección de bordes, suavizado
Algoritmo Canny
Realizar una mejor detección de bordes
16
UsingtheMathematicalMorphology and ShapeMatchingforA
utomatic Data Extraction in Dental
X-Ray Images
2012 Imagen
umbralización
Presentar un método para la segmentación automática y la extracción de características para imágenes de rayos X dentales.
Conclusiones Sin duda alguna el procesamiento digital de imágenes, se ha convertido en una disciplina que puede ser aplicada en cualquier área, como lo es en Odontología, que con una sola imagen y la técnica correcta se puede obtener resultados muy eficientes, contribuyendo en la toma de decisiones de los especialistas. En base a los estudios realizados, en lo que respecta al área de odontología, se determinó que se puede obtener los resultados esperados, siempre y cuando se aplique las técnicas apropiadas a cada uno de los tejidos dentales, por lo que no todas funcionan de la misma forma. En base a los antecedentes mencionados, se determina como conclusión que la mayor parte de los estudios realizados, están basados en la detección de caries dental, llegando a obtener resultados muy favorables, en lo que respecta a dicha patología.
Recomendaciones Para futuras investigaciones, se recomienda aplicar las diversas técnicas de procesamiento digital de imágenes posibles, de manera que se analicen los resultados de cada técnica, y así escoger la más adecuada, para el objeto de estudio. Enfocarse en otros tipos de patologías bucales, implementando las diversas técnicas del procesamiento digital de imagen, que aporten a una mejor visión de las diferentes morbilidades que puedan existir en la cavidad oral. Bibliografía
[1].Abdolvahab , E. R., Ismail Bin , M. A., Mohd Shafry , M. R., & Hoshang , K. (2015). Computer-Aided Dental Caries Detection System from X-Ray Images. Springer, 10(331), 233-234.
130
[2].Abdolvahab, E. R., Mohd, S., Mohd, R., & Alireza, N. (6 de Junio de 2013). Digital Dental X-Ray Image Segmentation and Feature Extraction. TELKOMNIKA,, Vol. 11(6), 3109 - 3114.
[3].Amer, Y. Y., & Aqel, M. J. (2015). An Efficient Segmentation Algorithm for Panoramic Dental Images. Procedia Computer Science(65), 718-725.
[4].Benítez Castro, A. M., & Córdoba Fraga, T. (2015). Analisis de imágenes médicas usando Matlab. Jóvenes en la Ciencia , 1246.
[5].Biblioteca Nacional de Medicina de los EE.UU. (2 de Febrero de 2016). Gingivitis. Recuperado el 24 de Noviembre de 2017, de MedlinePlus: https://medlineplus.gov/spanish/ency/article/001056.htm
[6].Ching, W. W., Cheng, T. H., Jia, H. L., Chung, H. L., Sheng, W. C., Ming, J. S., . . . Lindner, C. (2016). A benchmark for comparison of dental radiography analysis algorithms. Medical Image Analysis(31), 63-76.
[7].Cortés Osorio, J. A., Muriel, A., & Mendoza Vargas, J. A. (2011). Comparación cualitativa y cuantitativa de las técnicas básicas de umbralización global basadas en. Scientia et Technica , 266-272
[8].De la Fuente Bermúdez, S. L., Ornelas Rodríguez, F. J., Gonzaléz Barbosa, J. J., Hurtado Ramos, J. B.,
Romero del Valle, M., & Salinas Rincón, J. A. (6 de junio de 2015). Congreso Nacional de Tecnolgia Aplicada a Ciencias de la Salud. Recuperado el 15 de Noviembre de 2017, de Deteccion de masas y asimetrías en mamografias con distintos patrones parenquimales,utilizando entropía de Tsallis-Havrda-charvát.: http://www-optica.inaoep.mx/~tecnologia_salud/2015/memorias/pdf/MyT2015_44_E.pdf
[9].Georgia D. Koutsouri, B. E., Tripoliti, E. E., Oulis, C., & Fotiadis, D. I. (2013). Detection of occlusal caries based on digital image processing. Biomedical Engineering Laboratory, 2(13), 1-4.
[10].Gonzalez, M. A., & Ballarin, V. L. (2008). Segmentación de imágenes utilizando la transformada Watershed: obtención de marcadores mediante lógica difusa. IEEE LATIN AMERICA TRANSACTIONS, , 223-228. [1
[11].(González Sanz, González Nieto, & González Nieto, 2013). salud dental: relacion entre la caries dental y el consumo de alimentos.Nutricion hospitalaria, 28(4), 64-71.
[12].Instituto Nacional de Investigacion Dental y Craneofacial. (Agosto de 2013). Salud oral y dental: Instituto Nacional de Investigacion Dental y Craneofacial. Obtenido de https://www.nidcr.nih.gov/Espa
131
nol/SaludOral/LasEnfermedades/EnfermedadDeLasEncias.htm
[13].Jiménez López, A. F., Prieto Pelayo, M. C., & Ramírez Forero, Á. (2015). Enseñanza del Procesamiento de Imágenes en Ingeniería usando Python. 179-186.
[14].Kanika, L., Bhawna, M., & Neeraj, G. (11 de Abril de 2016). Analyzing edge detection techniques for feature extraction in dental radiographs. Elsevier, 8, 395-398.
[15].Kaur, J. (2015). An Image Segmentation Based Clustering Technique Applied on Dental Images. International Journal of Emerging Technologies in Engineering, 3(2), 1-4.
[16].Molinar Solís, J., Escoto Ponce de León, M. d., García Lozano, R., & Bautista Thompson, E. (2012). Evaluación computarizada de pruebas psicológicas mediante el procesamiento digital de imágenes. Redalyc, 420-421.
[17].Moreno Ramírez, W. A., Trejo Durán, M., Lizárraga Morales, R. A., Cabal Yépez, E., & Carrillo Ledesma, L. M. (2017). Determinación del estado de madurez deuna cereza aplicando procesamiento de imágenes. Jóvenes en a Ciencia, 2685-2689.
[18].Na`am, J., Harlan, J., Madenda, S., & Wibowo, E. P. (2016). Identification of The Proximal Caries of Dental X-Ray Image with Multiple Morphology Gradient Method.
Advance Science Engineering Information Techonology, 6(3), 345-348.
[19].Nagpal, D., & bhambhu, L. (1 de October de 2013). IMPLEMNTATION OF SIMULINK BASED MODEL USING SOBEL EDGE DETECTOR FOR DENTAL PROBLEMS. International Journal of Innovations in Engineering and Technology (IJIET), Vol. 3, 254-262.
[20].OMS. (Abril de 2012). Centro de Prensa: Organizacion Mundial de la Salud. Recuperado el 15 de Noviembre de 2017, deOrganizacion Mundial de la Salud: http://www.who.int/mediacentre/factsheets/fs318/es/
[21].OPS/OMS. (20 de Marzo de 2013). Centro de Prensa: Noticias: La salud bucodental es esencial para la salud en general: OPS/OMS. Recuperado el 25 de noviembre de 2017, de Organizacion Panamericana de la Salud/ Organizacion Mundial de la Salud: http://www.paho.org/hq/index.php?option=com_content&view= article&id=8387%3A2013-
[22].Palomino, N. L. (2009). Técnicas de Segmentación en Procesamiento Digital de Imágenes. UNMSM , 12.
[23].Ridao, D. (2015). Desarrollo de un sistema de ayuda a la decisión para tratamientos odontológicos con imágenes digitales. Universidad de Málaga-España
132
[24].Roa, F., García, J. R., & Bravo, A. (2017). Extracción de información cuantitativa a partir de imágenes de microscopía. Revista Técnica de la Facultad de Ingeniería Universidad del Zulia.
[25].Rojas Montes, J. (2012). Procesamiento digital de imágenes con Matlab y Simulink. Sistemas & Telemáticas , 77-78.
[26].Solmaz, V., Mostafa, G., Ehsani, S., Hadis, M., Fateme, A., & Hooman, B. (5 de Agosto de 2015). Designing of a Computer Software for Detection ofApproximal Caries in Posterior Teeth.Medical Sciences and Iranian Society of Radiology, 12(4), 1-8.
133
Anexo 7. Meta-Análisis
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
1
Correlación Digital De Imágenes Comprimidas
Por Transformada Wavelet
2009 Procesado digital de imágenes
Transformada Wavelet
Matlab
Presentar el desarrollo e implementación de un AFAS (AutomaticFingerprintAuentificationSystem), el cual utiliza imágenes comprimidas de huellas mediante técnicas de la transformada wavelet.
Se realizo un software bajo la plataforma matemática de Matlab que permite la discriminación exacta de huellas dactilares autenticando las personas que se encuentran almacenadas en una base de datos en corto periodo de tiempo.
2
UsingtheMathematicalMorphology and ShapeMatchingforA
utomatic Data Extraction in Dental
X-Ray Images
2012 Imagen
umbralización
Matlab
Presentar un método para la segmentación automática y la extracción de características para imágenes de rayos X dentales.
El resultado obtenido aplicando la máscara para la corrección de superposición también puede generar una segmentación excesiva. Este problema se puede solucionar tomando las regiones más pequeñas (área inferior a A 30) restantes y realizando una operación cercana entre ellas y los objetos circundantes.
3
Comparación cualitativa y
cuantitativa de las técnicas básicas de Umbralización local
para el procesamiento
digital de imágenes
2012 Otras Umbralización Matlab
7.10
Realizar un análisis de las técnicas básicas de umbralización conducentes a la binarización de las imágenes
Para el análisis de pruebas experimentales fueron realizadas sobre una computadora portátil HP 672 Notebook PC, Petium dual Core de 2.3 GHz, RAM de 3G, Sistema Operativo Windows 7 a 64 bits Home Premium.
4
ImplemntationofsimulinkbasedModelusingsobeledge detector For
dental problems
2013 Segmentació
n, caries dental
Transformada de Sobel
MatLab
Determinar problemas en las piezas dentales utilizando criterios específicos para la segmentación.
El resultado ofrece una comparación entre las técnicas de codificación y la técnica basada en el modelo Simulink y concluye que las técnicas basadas en Simulink son fáciles de comprender e implementar
134
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
5
Digital Dental X-Ray
ImageSegmentation and
FeatureExtraction
2013 Segmentac
ión
Level set method, Grey
Level Co-Ocurrence
Matriz (GLCM)
No definido
Automatizar el proceso de representación y extraer las características de textura de las imágenes de rayos X dentales para utilizarlas en otras aplicaciones.
Los resultados experimentales muestran que es una técnica prometedora para la segmentación, pero que necesita mejoras. Los datos extraídos se pueden realizar para obtener las mediciones de dientes para aplicaciones dentales automáticas tales como identificación humana o sistemas de diagnóstico dental.
6
Detectionofocclusal caries basedon
digital imageprocessing
2013 Segmentación, caries
dental k-Means
MatLab v7.12
Presentar un método automatizado no supervisado para la detección de caries oclusales basado en imágenes fotográficas en color.
Probamos nuestro método en un conjunto de datos de 60 imágenes con resultados satisfactorios. La sensibilidad alcanzada es del 92% y la precisión es del 80%.
7
Anautomatic and effectivetoothisolationmethodfor
dental radiographs
2013 Radiografía dental
Umbralización
No definido
Diagnosticar radiografías por medio del aislamiento dental.
El método logra las tasas de exactitud de 95,63% y 98,71% para las imágenes maxilar superior e inferior y tiene mejor rendimiento para las imágenes con oclusión oclusal severa, funcionamientos secundarios excesivos y sin iluminación.
135
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
8
Determinación semiautomática de
parámetros morfológicos de la
huella plantar mediante el
procesamiento digital de imágenes
2013
Procesamiento digital
de imágenes
Algoritmo Canny
Otra
Determinar los parámetros morfológicos de la huella mediante el procesamiento digital de imágenes
Se desarrolló una nueva metodología de extracción de parámetros morfológicos de la huella plantar asistida por computador.
9
Detección de patologías
derivadas de las afecciones
diabéticas: una revisión del análisis digital de imágenes
de retina
2013 Análisis
digital de imágenes
Algoritmo Top Hat
Otra
Presentar un método automatizado no supervisado para la detección de caries oclusales basado en imágenes fotográficas en color.
Probamos nuestro método en un conjunto de datos de 60 imágenes con resultados satisfactorios. La sensibilidad alcanzada es del 92% y la precisión es del 80%.
10 Segmentación and 3D reconstructionofmicro
bialbiofilms 2013 Segmentation
Filtrado morfológico, Top-
Hat por cierre, Binarización,
Reconstrucción 3D
MatLab R2008a
Presentar un método automático, basado en Morfología Matemática
En este trabajo presenta un método automático, basado en Morfología Matemática, para la segmentación de un stack de imágenes que surge de la observación in vivo de microorganismos, con el fin de analizar y visualizar la estructura y desarrollo de su crecimiento.
11
El algoritmo de búsqueda armónica y
sus usos en el procesamiento
digital de imágenes
2013 procesamient
o digital de imágenes
Algoritmo de Búsqueda
Armónica (BA) No definido
Presentar dos problemas representativos del área de procesamiento digital de imágenes, como lo son: la detección de círculos y la estimación de movimiento, los cuales son planteados desde el punto de vista de optimización.
Este artículo se explora el uso del algoritmo de Búsqueda Armónica (BA) para el procesamiento digital de imágenes.
136
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
12
DifferentImageSegmentationTechni
quesfor Dental ImageExtraction
2014
Umbralización,
regiones, textura, borde.
Regiones, texturas, bordes
Matlab 2009ª
Realizar un estudio comparativo de tres técnicas segmentadas por imágenes: basada en regiones, texturas y bordes para la detección de anomalías mínimas en las imágenes dentales.
Las 3 técnicas implementas en radiografías dentales en este trabajo obtuvieron buenos resultados en comparación con la técnica convencional conocida como técnica basada en Thresholding. Los resultados cuantitativos muestran la superioridad de la técnica de segmentación de imágenes.
13
Level Set and MorphologicalOperationTechniques in Applicationof
Dental ImageSegmentati
on
2014 Segmentac
ión Umbralización
No
definido
Segmentar las imágenes de la radiografía dental para la realización de un análisis preciso.
El resultado muestra que el método propuesto es un método prometedor y preciso, debido a las dificultades en las imágenes radiográficas, es necesario mejorar el método teniendo en cuenta la variación de los dientes y la falta de espacio para los dientes.
14
AnEfficientSegmentationAlgorithmf
orPanoramic Dental Images
2015 Segmentac
ión Transformada
de wavelet Matlab
Extraer las muelas del juicio que se utilizarán más adelante en la clasificación y extraer información útil, como la forma de los dientes y el grado de desviación.
Los resultados obtenidos del método propuesto han demostrado que podría extraer con éxito las muelas del juicio, las imágenes segmentadas pueden usarse posteriormente en el sistema de clasificación para clasificar los dientes extraídos como muelas del juicio o no, según un problema específico, es decir, impacto.
137
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
15
Designingof a Computer Software
forDetectionofApproximal Caries in
Posterior Teeth
2015 Caries dental
Fuzzy c-Means (FCM)
No definido
Desarrollar y evaluar la función del software de diagnóstico de computadora diseñado para la evaluación de caries proximales en dientes posteriores
El software diseñado fue capaz de detectar un número significativo de caries dentinarias y la medición aceptable de la profundidad de las lesiones cariosas en el esmalte y la dentina. Sin embargo, el software tenía una capacidad limitada para detectar lesiones en el esmalte.
16
AnImageSegmentationBasedClusteringTechniqueAppliedon
Dental Images 2015
Imagen digital, caries dental
K-Means.
Matlab
Mejorar la calidad de la imagen de rayos X de entrada para la segmentación y finalmente extraer el conjunto de características de textura de las imágenes dentales para cada imagen de rayos X.
Se discutieron los diversos métodos de extracción y segmentación de características para reducir el ruido presente en las imágenes de rayos X dentales y, por lo tanto, para mejorar la visibilidad de la imagen y extraer las características requeridas de entre la región de interés.
17
SegmentationofTooth and Pulpfrom
Dental Radiographs
2015 Segmentaci
ón Chan-Vese
MatLab R2013
Segmentar cada diente y pulpa en radiografías periapicales.
El algoritmo de segmentación de Chan-Vese proporciona una clara segmentación de la imagen, ya sea que se trate de un contraste bajo o de un alto contraste.
18
Desarrollo de un sistema de ayuda a
la decisión para tratamientos
odontológicos con imágenes digitales.
2015 Imágenes digitales
Mean Shift MatLab R2013
Diseñar un sistema computacional de clasificación de tejidos dentarios con imágenes digitalizadas, con el propósito de evaluar de una manera precisa el estado de salud dental.
El resultado del sistema ha sido más que favorable, llegando a alcanzar una precisión del 80% en el reconocimiento de las caries de la dentina y un 78% en la precisión en el reconocimiento de las caries del esmalte.
138
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
19
Uso Del Procesamiento De Imágenes Digitales
Para Medir Los Parámetros
Morfométricos De Partículas
2015
Imágenes digitales;
procesamiento digital
Sobel Matlab
Optimizar el parámetro de los algoritmos mediante una red neuronal multicapa supervisada.
Este trabajo se detectaron perforaciones de hojas ocasionadas por el ataque de plagas, específicamente babosas, caracoles, arañas rojas y minadoras.
20
Procesamiento paralelo en FPGA
para convolución de imágenes usando
Matlab
2015 Otras Convolución Matlab
Evaluar el rendimiento del procesamiento paralelo de imágenes con respecto al procesamiento en serie.
Describe el diseño de dos arquitecturas para un filtro de convolución de imágenes, que mediante Hardware co-simulation del toolbox de Matlab Xilinx SystemGenerator son implementadas en una FPGA Xilinx Spartan 3AN
21
El algoritmo “Artificial
BeeColony” (ABC) y su uso en el
procesamiento digital de imágenes
2015
procesamiento
inteligente de
imágenes segmentaci
ón de imágenes
Artificial BeeColony
No definido
Explora el uso del algoritmo de optimización “Artificial BeeColony” (ABC) para el procesamiento digital de imágenes.
El método ABC exhibe un mejor desempeño en términos de precisión y costo computacional, sin experimentar la típica sensibilidad a las condiciones iníciales.
22
Métodos de segmentación de
imágenes cardiacas: Fundamentos y
alcance.
2015
Métodos de segmentaci
ón
No definido No
definido
Realizar una revisión y un análisis del estado del arte de los métodos de segmentación de imágenes cardiacas usando diversas modalidades de imagenología médica.
A pesar de la cantidad y calidad de las metodologías desarrolladas para abordar el problema de la segmentación de las estructuras cardiacas más relevantes.
139
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
23
Procesamiento de imágenes para
reconocimiento de daños causados por plagas en el cultivo
de begonia semperflorens (flor
de azúcar)
2015
Procesamiento de
imágenes
filtros morfo-lógicos,
difuminado gaussiano y filtrado HSL
No definido
Optimizar el parámetro de los algoritmos mediante una red neuronal multicapa supervisada.
Este trabajo se detectaron perforaciones de hojas ocasionadas por el ataque de plagas, específicamente babosas, caracoles, arañas rojas y minadoras.
24
Obtención de la estructura ósea del
pie al aplicar la Umbralización
global y la adaptativa
2015
Umbralización global,
Procesamiento de
imágenes medicas
Algoritmo Canny
No definido
Proponer la combinación de la Umbralización global y de la adaptativa para la determinación del dominio geométrico de los huesos en cada corte.
Los resultados obtenidos validan la efectividad del algoritmo propuesto para ser empleado como núcleo funcional en la reconstrucción tridimensional del pie y puede ser extendido a la obtención del dominio geométrico de otras estructuras anatómicas.
25 Mapeo cromático dental a partir de
imágenes digitales 2015 Otras
Mapeo cromático
No definido
Reducir la subjetividad en la selección de los materiales para la reconstrucción de piezas dentales, y en un futuro, desarrollar una herramienta que realice este trabajo automáticamente.
El presente trabajo describe un método para el mapeo cromático dental a partir de imágenes digitales.
30
Algoritmo para la definición de
estructuras óseas en modelos biomédicos
2015
Procesamiento de
imágenes medicas
Umbralización No definido
Proponer un algoritmo para realizar la descomposición mediante el análisis de las relaciones espaciales entre los contornos presentes en planos consecutivos
En el presente trabajo se utilizaron imágenes con bajos niveles de ruido, lo que hizo posible la aplicación de conceptos geométricos para la eliminación de información que no era de interés en lugar de utilizar operaciones de convolución, dado que este tipo de transformaciones podrían eliminar información valiosa o relevante para diagnosticar patologías tempranas
140
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
26
Analyzing edgedetectiontechn
iquesfor feature
extractionindentalradiographs
2016 Segmentación, caries
Sobel, Prewitt Matlab
Determinar la técnica la más adecuada, para la extracción de características de una radiografía dental.
Sobel y los operadores Prewitt proporcionan bordes que están muy cerca. Sin embrago Cuando se aplicó el filtro gaussiano en la imagen de Sobel, se formó una imagen mucho más clara permitiendo que la extracción de características sea más fácil y así compararse con la imagen dental normal para la identificación del problema real en el diente.
27
IdentificationofThe Proximal Caries of
Dental X-Ray ImagewithMultiple
MorphologyGradientMethod
2016 otras
Método de Gradiente de Morfología
Múltiple
No definido
Realizar el afilado de la imagen de rayos X dentales en forma de una radiografía dental panorámica.
Los resultados obtenidos indican que el proceso de mejora de la imagen en cada etapa de iteración puede mostrar objetos de caries claramente, lo que facilita la identificación de caries proximales.
28
MultipointSearchAlgorithmforAutomati
c SegmentationofToothfrom Digital Intra
Oral Periapical Radiographs
2016
Segmentación de
imagen, procesamie
nto de imagen
Sobel MatLab R2013
Investigar las radiografías periapicales intraorales
grabadas digitalmente (IOPA).
El algoritmo propuesto en el documento es completamente automático y no requiere ninguna intervención humana. El algoritmo de segmentación propuesto separa un diente con su región perimetral intacta en una imagen. El número de imágenes de salida generadas es igual al número de dientes en la entrada IOPA.
29
Reconocimiento de micro partículas de
polen con algoritmos de procesamiento de
imágenes implementados en
dispositivos reconfigurables
2016 Procesamient
o de imágenes
Algoritmo Canny No definido
Presentar una propuesta de un dispositivo capaz de identificar y enumerar las diversas familias de esporas de polen existentes a partir de una muestra obtenida.
Este trabajo, se propone una metodología en hardware para la detección de micro partículas, que está compuesta de una arquitectura de hardware a la medida para la detección de bordes en imágenes, así como también de un diseño clasificador de micro partículas de polen, junto con un bloque que realiza las tareas de conteo de las mismas, todo esto se ha realizado con base en una FPGA.
141
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
30
Técnicas de Umbralización para el procesamiento
digital de imágenes de GEM-Folis
2016 Segmentaci
ón de imagen
Umbralización global y local
Matlab
Propone mejorar la rapidez y eficiencia del procesamiento de las imágenes de las GEM-Foils, para realizar posteriormente su control de calidad.
Este artículo presenta un análisis algunas de las técnicas más rápidas y eficientes de umbralización global y local para la binarización de imágenes de GEM-Foils.
31
Utilidad terapéutica del proceso de segmentación
tumoral, aplicado a imágenes de PET-
CET
2016 Otras No definidas No
definidas
Identificar un conjunto de hallazgos derivados de la aplicación de radioterapia y quimioterapia a un paciente que presenta formaciones tumorales los cuales requieren de un proceso de segmentación y cuantificación antes y después de las mencionadas terapias.
Se ha presentado una técnica computacional que permite delimitar, con un adecuado grado de precisión, un NHL y calcular su volumen.
32
Suavizado de imágenes de microscopia
mediante el uso de técnicas de filtrado
morfológico.
2016 Otras filtrado
morfológico No
definido
Mejorar la calidad de las imágenes de microscopía celular y acondicionarlas para las tareas de la clasificación y segmentación, cuando es necesario eliminar detalles que no son de interés para el posterior procesamiento y los procesos de análisis automatizado.
Se implementaron distintos tipos de filtros para suavizar imágenes de microscopía celular y facilitar de esta manera su posterior procesamiento en tareas de segmentación y clasificación. Entre ellos, lograron un mejor desempeño los de tipo morfológico.
142
Nº TITULO AÑO DE PUBLICA
CIÓN
PALABRAS CLAVE
TÉCNICA IMPLEMENTA
DA
HERRAMIENTA
TECNOLÓGICA
UTILIZADA
OBJETIVO
CONCLUSIÓN
33
Técnicas de umbralización para
el procesamiento
digital de imágenes de GEM-Foils
2016 segmentaci
ón de imagen
Umbralización local
No definido
Comparar varias técnicas para realizar la binarización de las imágenes de las GEM-Foils, aplicando técnicas de umbralización global y local, con el propósito de mejorar la rapidez y eficiencia del procesamiento de las imágenes de las GEM-Foils, para realizar posteriormente su control de calidad.
Este artículo presenta un análisis algunas de las técnicas más rápidas y eficientes de umbralización global y local para la binarización de imágenes de GEM-Foils.
34
Edge Detection in MagneticResonanceImagesusing Global
CannyAlgorithm
2017 Detección de bordes, suavizado
Algoritmo Canny
Matlab
Realizar una mejor detección de bordes
Los resultados experimentales han demostrado que con el operador Canny modificado, los bordes en la ruidosa imagen fantasma de Resonancia Magnética se pueden reconocer con mucho éxito.
35
Tamaño y numero de granos de trigo
analizados mediante
procesamiento de imagen digital
2017 Otras Umbralización No
definido
Analizar Tamaño y número de granos de trigo analizados por medio de las técnicas del PDI.
El procesamiento y análisis de imagen digital (AID) registra con precisión el número de granos de trigo y permite obtener sus dimensiones individuales, aunque éstos en la imagen se encuentren en contacto.
Top Related