Propuesta de Tesis

Uso de Sistemas Inteligentes Para la Detección Automática de Tumores Pulmonares

•Ortiz Huamani Miguel•Ingeniería de Sistemas•Ciclo 8vo•Pulgadas14@hotmail.com

Justificación del Problema1. En la posibilidad de realizar esta investigación hará que muchas personas de la tercera edad tengan mas

posibilidades de vivir frente a esta penosa enfermedad, ya que se sabe que si se descubre y se

trata el cáncer al pulmón a tiempo, una persona podrá vivir de 5 a 10 años más, claro que el cáncer debe ser diagnosticado en su primera etapa.

2. La innovación será que estos métodos nos podrán ayudar ha hacer un diagnostico el cual permitirá a los médicos decidir que técnica se utilizara para combatir ese cáncer.

3. Si no se logra esta tesis no se podrá tener un diagnostico mas seguro el cual permita que los pacientes sean atendidos bajo el método de curación mas apropiado, ya que existen en Perú muchas negligencias al momento de escoger un método optimo.

Ámbito de la investigaciónAlcance de la investigación.

Primero gracias a datos estadísticos del INEN, se puede saber que en Perú de cada 100 mil personas 69 personas de,la edad de 45 a 64 años sufren de cáncer al pulmón, y esta es la población que yo deseo estudiar, el tiempo de mi investigación mas mi implementación esta calculado aproximadamente en 1año y medio, la base de datos ha escoger es del Hospital Neoplásica,además he podido obtener imágenes de personas que han padecido esta enfermedad con sus respectivos diagnósticos y sus testimonios .

Concordar esta definición. Mi objetivo principal es encontrar la técnica de análisis de imágenes para reducir el ratio

de error, y apartir de eso poder tener el tratamiento mas adecuado a seguir .

Además tener una amplia base de datos para que los médicos gracias a los datos relativos de otros pacientes puedan dar diagnósticos más certeros.

El ProblemaEn el Hospital Neoplásica específicamente existe una deficiencia en lo que se refiere a la designación de tratamiento a seguir, dándosele tratamientos a las personas mayores, jóvenes o niños tratamientos similares sin tener en cuenta su condición física y resistencia ante el tratamiento

Además cada paciente es un caso aparte con referente a otro, así tengan características similares con respecto al tumor o las células cancerigenas que están en él, por lo que va ser muy difícil tener una idea clara de cómo ayudar al paciente por medio de los tratamientos a seguir, es por eso que se deben utilizar distintos métodos de análisis de tomografías.

Objetivo

Tener la Técnica mas adecuada para el análisis de imágenes por medio del análisis de la tomografía digital.

Hacer que las personas que sufren este mal sean detectadas en la etapa inicial, ya que eso posibilita mayor tiempo de vida, un mejor y posible tratamiento en búsqueda de su recuperación.

Antecedentes Métodos que se utilizan en la actualidad

Image Processing for Computer-Aided Diagnosis of Lung Cancer by CT( LSCT)

Fuzzy ARTMAP

Segmentation of sputum color image for lung cancer diagnosis.

Helical computed tomography.

Bibliografía.

a) Para datos estadísticos utilicé fuentes del INEN (instituto nacional de enfermedades Neoplásicas) y del INEI

 b) Para libros de consultas acerca de medicina y cáncer:

  Rubini C, Amorín E, Rojas V. Aspectos generales del Cáncer de Pulmón. INEN. 1998.

 Paez JG. Jänne PA, Lee JC, et al. EGFR mutations in lung

 c) Para libros de Algoritmos genéticos tenemos:

DIAZ, A. y GLOVER, F. (1996): Optimización Heurística y Redes Neuronales en Dirección de Operaciones e Ingeniería.

d) Además los papers acerca de cáncer bajados de la IEEE son:

http://ieeexplore.ieee.org/search/wrapper.jsp?arnumber=647750

http://ieeexplore.ieee.org/search/wrapper.jsp?arnumber=647750

METODOLOGIA DE LA INVESTIGACION

Tipo de Investigación

Tipo de Investigación

Exploratorio y aplicada

Tipo de Diseño Experimental

Experimental

DISEÑO DEL EXPERIMENTO

Objeto de la InvestigaciónEsta basado de todas las personas que sufren de este mal en el Perú, mi caso en especial va hacer de las edades de 45 a 64 años, las cuales se debe tener un mayor cuidado al elegir el tratamiento a seguir.

V.dep

V.Ind

Modalidad de Detección Tratamiento Error

Helical computed tomography (CT),PET,

Fuzzy Artmap

Radioterapias,operación,quimioterapias

Q viene hacer la relación de desaciertos vs total

Niños

Tiempo detección

tipo

Jóvenes

Tiempo detección

tipo

Adultos

Tiempo detección

tipo

PoblaciónDe los Datos Extraídos del INEN de cada 100 mil habitantes de 45 a 64 años 69 personas sufren de cáncer al Pulmón, entonces la población de esa edad en Perú es 4374205 habitantes entonces eso quiere decir q las personas que pueden sufrir de cáncer es 3018 aproximadamente,

n = N*Z2*p*q/_ d2*(N-1)+Z2*p*q

Donde:N es la población total de 3018Z =1.962 p =0.05 q =1.95 d=0.03

Entonces reemplazando mi muestra será de 190 personas

Variables

Variables independientes:Máquinas de vector de soporte (SVM).Diferencia de filtros Gaussianos DoG).Wavelets. Modelos fractales.Modelos fractales.Matemáticas morfológicas.

Parámetros

Tipo de tumor.Caracteristica del tumorPresencia o ausencia de metastasis.Tipos de celulas del Tumor.Estado del Pulmón.

EXPERI

MENTO

Variables dependientes:Error.

Instrumento de mediciónLos datos se extraerán de los datos de imágenes que tiene el Hospital Neoplásica.

Instrumento de mediciónLos datos se tomaran de las obtenidas por Internet, por medio de testimonios médicos.

Hipótesis

La Hipótesis es:

- El de demostrar que es posible determinar a tiempo el tumor cancerigeno con las diferentes técnicas de análisis de imágenes, sin necesidad de un examen de muestreo de células.

- Que la podemos ser mas exactos que los mismos doctores los cuales están afectados por influencias externas.

MODELO DE SOLUCION

Modelo de Solución

Primero debemos tener en cuenta las variables dependientes e independientes además de como haremos uso de de las redes neuronalespara asi tener una idea de que resultado mas probable podría salir.

Una vez obtenidas las características que representan la imagen, éstas se organizan de manera vectorial, es decir, cada patología detectada es una región o un vector.

La matriz de características de una imagen dependerá del número de regiones o vectores que represente la misma, es decir, cada imagen presentara un número diferente de regiones, puede darse el caso en que dos o mas imágenes presenten el mismo un número de regiones, pero esto ya depende de la imagen, un ejemplo de una imagen con 10 regiones representadas en una matriz de 10 columnas se puede,donde cada columna es una región.

El aprendizaje de la red neuronal es de tipo backpropagation con una capa de entrada de 18 neuronas, esto por ser es el número de coeficientes extraídos del vector que representa cada imagen, una capa oculta de 6 neuronas y una capa de salida de 2 neuronas, las cuales son las clases a representar (sano o enfermo).

Matriz

Impacto esperado.

1. Reducir la probabilidad de errores en el proceso de diagnóstico. Existe una serie de factores que pueden inducir ruido en el proceso de diagnostico del cáncer al pulmón mediante el uso de Tomografías, entre las que tenemos: a) Mantenimiento y calibración del equipo de rayos X. b) Calidad de la placa. c) Nivel de capacitación del especialista. d) Cansancio visual del especialista.

Esos factores influyen en el proceso de diagnóstico y son difíciles de ser eliminados. El sistema puede incluir cierto grado de tolerancia al ruido, permitiendo reducir los casos de falsos positivos y de falsos negativos, ahorrando de esta forma análisis posteriores o permitiendo que no se generen falsas expectativas.

ANÁLISIS DE FACTIBILIDAD

Datos y Experimentos

Nuestro mecanismo de muestreo es de no probabilística, ya que como nuestro diseño de investigación es exploratorio.

El experimento es repetible por que los pasos a seguir son definidos lo único que va a diferenciar va ser la decisión q tome al momento de tener el análisis de la imagen de la tomografía.

Aquí se puede tener en cuenta como por medio de las tomografías se puede tener una idea clara de el tipo de cancer el cual vamos a diagnosticar.

MARCO TEORICO

Conceptual¿Qué es cáncer de pulmón?

El cáncer es un término general que describe el estado en el cual las células se dividen incontrolable. Las células son las masas del protoplasma que componen todos los tejidos finos del cuerpo y se especializan para convertirse en los órganos y las estructuras del cuerpo, tales como los huesos, la sangre, los nervios, los músculos, y las glándulas. Normalmente, las células crecen, dividen, y producen más células para guardar el cuerpo el funcionar correctamente.

Las células anormales pueden acumular y formar los crecimientos o las masas llamados los tumores. Los tumores pueden ser benignos (no cáncer) o malos (cáncer) y pueden invadir y destruir el tejido fino normal. Las células de cáncer pueden separarse a través de la circulación sanguínea o del sistema linfático a otras partes del cuerpo. La extensión de un tumor de la localización original a un sitio nuevo se llama metástasis.

El cáncer de pulmón es una enfermedad que comienza en las células de los pulmones. Los pulmones son como un par de esponjas, los órganos cónicos que son parte del sistema respiratorio. El pulmón derecho tiene 3 secciones, y el pulmón izquierdo tiene 2 secciones. Cada sección se llama un lóbulo. Puedes oír el término “cáncer Broncogenético” usado para referir al cáncer de pulmón. Esto es porque la mayoría de los cánceres de pulmón comienzan en las células de uno de los tubos para respirar (los bronquios) en los pulmones.

Hay varios tipos de cáncer de pulmón.

Cáncer de pulmón No-Pequeño de la célula (NSCLC)

Cáncer de pulmón pequeño de la célula (SCLC)

ESTRUCTURA DE UN SISTEMA EXPERTO

El esquema general de representación de un Sistema Experto es el siguiente:

Base de ConocimientosDominio del Conocimiento

Memoria de TrabajoCaso/Hechos inferidosConclusiones

Motor de InferenciaUsuario

Casos Prácticos

Conclusiones

Cronograma de Trabajo

Presupuesto de Investigación

Todo los materiales y pagos son por un año de investigación

CONCLUSIONES

Conclusiones

La primera conclusión viene hacer que gracias a estos métodos de análisis de imágenes mucha gente podrá salvarse,ya que serán detectados a tiempo para luego seguir el tratamiento mas optimo y así, tener mas posibilidad de vivir.

La segunda conclusión es que estos métodos utilizando redes neuronales en un futuro cercano podrán ser mas y mas exactos ayudando no solo a los pacientes sino a los doctores o personas que manipulan las tomografías.