universidad de guayaquilrepositorio.ug.edu.ec/bitstream/redug/27313/1/b-cisc-ptg... · 2018. 11....

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.


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.


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”



X



CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES

DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO DIGITAL DE IMÁGENES PARA PATOLOGÍAS


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


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

mailto:[email protected]

mailto:[email protected]

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



CARRERA DE INGENIERÍA EN SISTEMASCOMPUTACIONALES

DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO

DIGITAL DE IMÁGENES PARA PATOLOGÍAS PRESENTES EN LA CAVIDAD BUCAL

Autores: Deyse Sofía Quito Cárdenas



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



CARRERA DE INGENIERÍA EN SISTEMASCOMPUTACIONALES

DIAGNÓSTICO PRELIMINAR MEDIANTE PROCESAMIENTO DIGITAL DE IMÁGENES PARA PATOLOGÍAS


Autores: Deyse Sofía Quito Cárdenas



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


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


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


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


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



Gráfico 6.Coloración de la placa dental


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


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


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


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


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


Fuente: Gonzalo Luzardo

Gráfico 13. Histograma de la imagen


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


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


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


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



Gráfico 18.Imagen segmentada con la transformada deWatershed



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


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



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



Gráfico 22.Resultado del método Canny



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



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


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



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



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



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


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


Fuente: Kanika L., Bhawna M., Neeraj G.

Gráfico 30.Filtro Gaussiano aplicado a la imagen con la técnica de Sobel


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.


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


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


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


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


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



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



Gráfico 33.Representación gráfica de las edades



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



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



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







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?




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



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?




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




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?




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




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?




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




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?




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




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







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?






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


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?




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




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



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


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.

http://www.redalyc.org/html/615/61552758012/














http://ieeexplore.ieee.org/abstract/document/7811412/




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



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



http://www.mathworks.com/

100

Se procede a ingresar los datos que se requieren, y luego se da clic en “crear”.

Gráfico 48. Ingreso de datos en Matlab



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



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



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



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



Descarga e Instalación de Matlab

2. Descarga el producto

Gráfico 53. Descarga de Matlab



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



Seleccionamos el sistema operativo del ordenador y descarga el instalador

correspondiente:

104

Gráfico 55. Eleccion del Sistema Operativo



Gráfico 56. Descarga del archivo



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



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



Gráfico 59. Verificación de E-mail



107

Gráfico 60. Verificación de Licencia



Selecciona la carpeta donde quieres que se instale la aplicación:

Gráfico 61. Selección de la Ubicación en la Pc



108

Se selecciona los componentes a instalar:

Gráfico 62. Selección de Paquetes de funcionamiento



El sistema descargará e instalará todos los componentes seleccionados:

Gráfico 63. Descarga e instalación de paquetes



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



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



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



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



111


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




el cual añadimos la siguiente línea imshow(img_binaria); para visualizar la

imagen umbralizada.

Gráfico 69. Algoritmo usando imshow



112


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




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



113


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



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



114

Anexo 3. Encuesta - Estudiantes


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


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


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


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


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


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


Algoritmo Top Hat

Otra


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


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


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


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


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


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


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


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


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.

universidad de guayaquilrepositorio.ug.edu.ec/bitstream/redug/27313/1/b-cisc-ptg... · 2018. 11....

Documents