Embed Size (px)
Citation preview
DISEÑO E IMPLEMENTACIÓN DE UN PROTOCOLO Y HERRAMIENTA SISTEMÁTICA PARA LA CUANTIFICACIÓN DE MOVIMIENTOS OCULARES
EN PACIENTES CON ANOFTALMO CONGÉNITO O ADQUIRIDO.
VALENTINA CORCHUELO GUZMÁN
UNIVERSIDAD AUTÓNOMA DE OCCIDENTE
FACULTA DE INGENIERÍA DEPARTAMENTO DE AUTOMÁTICA Y ELECTRÓNICA
PROGRAMA DE INGENIERÍA BIOMÉDICA SANTIAGO DE CALI
2012
DISEÑO E IMPLEMENTACIÓN DE UN PROTOCOLO Y HERRAMIENTA SISTEMÁTICA PARA LA CUANTIFICACIÓN DE MOVIMIENTOS OCULARES
EN PACIENTES CON ANOFTALMO CONGÉNITO O ADQUIRIDO.
VALENTINA CORCHUELO GUZMÁN
Proyecto de grado para optar al título de Ingeniera Biomédica
Director JUAN DIEGO PULGARÍN G.
Ingeniero electrónico Magister en ingeniería - Automatización industrial
UNIVERSIDAD AUTÓNOMA DE OCCIDENTE FACULTA DE INGENIERÍA
DEPARTAMENTO DE AUTOMÁTICA Y ELECTRÓNICA PROGRAMA DE INGENIERÍA BIOMÉDICA
SANTIAGO DE CALI 2012
3
Nota de aceptación
JUAN CARLOS PERAFAN
Jurado
WILFREDO AGREDO
Jurado
Santiago de Cali, 30 de julio de 2012
Aprobado por el Comité de Grado en cumplimiento de los requisitos exigidos por la Universidad Autónoma de Occidente para optar al título de Ingeniera Biomédica
4
A mis padres Arturo Corchuelo S y Gloria Inés Guzmán, a mi hermano, James Arturo Corchuelo G. A José Humberto Duque R, mi novio. A, mi padrino, Pascual Guerrero. A mis amigas, amigos, colegas, maestros y todos los que me apoyaron.
5
AGRADECIMIENTOS
Agradezco profundamente a todos los que me han apoyado y colaborado de una u otra manera para la culminación de mi trabajo de grado y carrera profesional, mis amigos y compañeros de camino, a mis maestros por todas las enseñanzas. A José Humberto Duque por su apoyo incondicional y soporte ante las dudas y adversidades, a mis padres por permitirme la oportunidad de realizar una carrera profesional, por sus esfuerzos y dedicación.
Quiero agradecer a mi directora de programa Paola Andrea Neuta por su cordialidad y colaboración prestada durante mi proceso formativo y para el desarrollo de mi trabajo de grado. A mi director de tesis Juan Diego Pulgarín G, por su apoyo y guía para la elaboración y desarrollo de este proyecto, igualmente a todos mis maestros, y agradecer a la universidad por la oportunidad de abrir sus puertas para la formación de estudiantes integrales en el área de la ingeniería biomédica.
Finalmente agradezco a mi familia, a mi hermano por su colaboración y apoyo durante mi formación académica como ingeniera biomédica y a Marcela Tejada, Melissa Peralta, Andrea Franco y demás amigos por su amistad, confianza y colaboración.
6
CONTENIDO
pág
RESUMEN 12 INTRODUCCIÓN 13 1. ANTECEDENTES 14 2. PLANTEAMIENTO DEL PROBLEMA 16 3. OBJETIVOS 17 3.1 OBJETIVO GENERAL 17 3.2 OBJETIVOS ESPECÍFICOS 17 4. JUSTIFICACIÓN 18 5. MARCO REFERENCIAL 19 5.1 ALCANCES 19 5.2 LIMITACIONES 19 5.3 METODOLOGÍA 20 5.4 MARCO TEÓRICO 20 5.4.1 Alteraciones generales del globo ocular 20 5.4.2 Adquisición de imágenes 26 5.4.3 Preprocesamiento 29 5.4.4 Segmentación de imágenes 36
7
6. DESARROLLO DEL SISTEMA 41 6.1 PROTOCOLO DE ADQUISICIÓN 41 6.1.1 Adquisición de imágenes 41 6.2 DISEÑO DE LA HERRAMIENTA SISTEMÁTICA 45 6.2.1 Preprocesamiento 48 6.2.2 Técnicas de mejoramiento de imágenes 53 6.2.3 Transformada de Hough 55 6.2.4 Procesamiento morfológico 56 6.3 IMPLEMENTACIÓN DEL SISTEMA 57 7. RESULTADOS 59 7.1 PROTOCOLO DE ADQUISICIÓN 59 7.2 HERRAMIENTA MANUAL 60 7.3 HERRAMIENTA AUTOMÁTICA 61 7.3.1 Detección en imágenes sin protocolo de adquisición 61 7.3.2 Detección en imágenes con protocolo de adquisición 62 7.3.3 Cuantificación lograda con la herramienta automática 63 8. CONCLUSIONES 64 9. RECOMENDACIONES 66 BIBLIOGRAFÍA 67 ANEXOS 71
8
LISTA DE TABLAS
pág
Tabla 1. Relación de videos obtenidos 41 Tabla 2. Factores controlados y no controlados del protocolo de adquisición de imágenes 42 Tabla 3. Momentos específicos de la captura de imágenes 43 Tabla 4. Características de las imágenes adquiridas 45 Tabla 5. Mediciones antropométricas faciales en los pacientes con protocolo de adquisición de imágenes 48 Tabla 6. Protocolo de adquisición de imágenes 59 Tabla 7. Desempeño de la herramienta automática en los puntos de excusión ocular para imágenes sin protocolo de adquisición 61 Tabla 8. Desempeño global de la herramienta automática para imágenes sin protocolo de adquisición 61 Tabla 9. Desempeño de la herramienta automática en los puntos de excursión ocular para imágenes con protocolo de adquisición 62 Tabla 10. Desempeño global de la herramienta automática para imágenes con protocolo de adquisición 62 Tabla 11. Cuantificación de movimientos oculares en paciente 2 63
9
LISTA DE FIGURAS
pág
Figura 1. Imagen anatómica del ojo. 21 Figura 2. Imagen de patologías generales del globo ocular. 21 Figura 3. Posiciones diagnosticas de mirada. 23 Figura 4. Prótesis oculares. 25 Figura 5. Etapas de un sistema de visión artificial. 26 Figura 6. Imagen en niveles de grises y su histograma. 30 Figura 7. Modelo RGB. 31 Figura 8. Representación del modelo HSV y su descomposición de planos. 32 Figura 9. Imágenes de mejoramiento de contraste. 33 Figura 10. Imágenes de filtrado promedio. 34 Figura 11. Imagen con procesamiento morfológico de erosión. 38 Figura 12. Imagen con procesamiento morfológico de dilatación. 39 Figura 13. Puntos antropométricos característicos faciales. 40 Figura 14. Diagrama de bloques para la conformación de la imagen. 43 Figura 15. Imágenes con protocolo de adquisición y sin protocolo de adquisición. 44 Figura 16. Diagrama de bloques de la herramienta manual. 46 Figura 17. Diagrama de bloques la herramienta automática. 47 Figura 18. Planos RGB de la imagen de entrada. 49 Figura 19. Planos HSV de la imagen de entrada. 50
10
Figura 20. Planos YCbCr de la imagen de entrada. 51 Figura 21. Planos YIQ de la imagen de entrada. 52 Figura 22. Imagen en escala de grises. 52
Figura 23. Realce de contraste en imágenes. 53 Figura 24. Filtrado promedio. 54 Figura 25. Operadores de gradiente. 55 Figura 26. Detección del iris y centro del iris sobre la imagen. 55 Figura 27. Procesamiento morfológico. 56 Figura 28. Interfaz del sistema diseñado. 58 Figura 29. Imágenes de conformación del protocolo. 60
11
LISTA DE ANEXOS
pág
Anexo A. Acta de consentimiento informado. 71 Anexo B. Cuantificación de movimientos oculares a partir de la herramienta manual. 73 Anexo C. Desempeño por paciente y cuantificación. 77 Anexo D. Manual de usuario MODET. 91 Anexo E. Error absoluto y relativo de la herramienta de medida 102
12
RESUMEN
Los procedimientos en el campo de la oftalmología tienen como objetivo mejorar la calidad de vida de los pacientes. Según cifras del instituto nacional para niños ciegos (INCI) para el año 2005, 1 134 085 personas en Colombia padecían alguna discapacidad visual, de las cuales el 14.9% de la población total correspondiente a 168 357 son niños entre 0 y 20 años. En el Valle del Cauca según censo del Dane en el año 2009, 4 404 personas presentaron alguna discapacidad visual de los cuales 661 personas están en un rango de edades de 0 a 20 años [11]. Hasta el momento no se tienen cifras que indiquen que parte de la población en Colombia al nacer presenta ausencia de uno de sus ojos, sin embargo en el campo de la oftalmología existen diversos procedimientos que permiten dar tratamiento a dichas patologías.
La ausencia de un globo ocular es una patología conocida como anoftalmo que trae como consecuencias una asimetría facial durante las primeras etapas de crecimiento, afectando procesos morfológicos del paciente, psicológicos y sus relaciones interpersonales. Para darle tratamiento a esta patología que puede ser de naturaleza congénita o adquirida, se realiza una intervención quirúrgica en donde se busca garantizar la estética facial del paciente y su homogeneidad facial durante el crecimiento.
Cuando se realiza una intervención oftalmológica-estética los resultados esperados se evalúan de forma cualitativa, pero no se tiene un valor por medio del cual se demuestre el éxito que se tiene con el procedimiento, por lo cual se hace necesario medir la mejoría del paciente para mostrar resultados y determinar el éxito posquirúrgico. En la actualidad se emplean métodos diagnósticos como el electrooculograma, en donde se mide la diferencia de potencial (0.4 – 5 mV) entre la córnea y la membrana de Bruch, la videooculografia y evaluaciones cualitativas por parte del especialista.
Este proyecto propone diseñar un protocolo y una herramienta sistemática para cuantificar movimientos oculares en pacientes con anoftalmo congénito o adquirido por medio de algoritmos de procesamiento digital de imágenes.
Palabras clave: Anoftalmía, procesamiento digital de imágenes, diagnóstico.
13
INTRODUCCIÓN
En el área de la ingeniería biomédica es de gran interés realizar mediciones que permitan conocer la exactitud de un procedimiento, intervención, método diagnóstico o cualquier otro proceso involucrado en el campo médico en pro del mejoramiento de la calidad de servicios en salud. Es por esto que día a día se busca emplear diversas estrategias para avanzar en el campo médico y ofrecer mejores herramientas y servicios a las comunidades. Cuantificar movimientos en el cuerpo humano, presenta beneficios potenciales ante agentes del entorno médico pues con estos resultados se establecen ventajas en procedimientos e intervenciones realizadas en un paciente y es posible dar resultados cuantificables de su mejoría.
Particularmente para cuantificar movimientos oculares actualmente se emplea electrooculografía y métodos videooculográficos, en donde básicamente se tiene como objetivo obtener una variable medible para determinar un patrón determinado como el movimiento ocular. La utilización de estos métodos en el campo oftalmológico podría dar solución a la obtención de variables medibles en intervenciones realizadas como por ejemplo, análisis pre y posquirúrgicos, seguimiento de excursiones oculares para establecer patrones de movilidad ocular, tratamiento en pacientes con estrabismo y estudios propios de especialistas del campo oftálmico.
La anoftalmía congénita es la ausencia de todos los tejidos del ojo, en donde es posible que se formen parpados pero no el globo ocular en el paciente, y puede ser unilateral o bilateral. Esta es una anomalía que ocurre como resultado de una lesión durante el desarrollo de la órbita en las primeras ocho semanas de vida [23]. Por su parte la anoftalmía adquirida es aquella originada por un trauma o tumor. El objetivo del tratamiento de esta patología es estimular el crecimiento adecuado de la órbita, restaurando el volumen orbital con una prótesis o implante adecuado, garantizando así simetría facial durante las etapas de crecimiento de los pacientes [2], [12].
Partiendo del precedente de las aplicaciones de videografía existentes y la necesidad de cuantificar la mejoría de los pacientes después de una intervención, se dispuso de un tiempo de 1 año para diseñar una herramienta que permitiera cuantificar movimientos oculares.
14
1. ANTECEDENTES
La anoftalmía es la ausencia congénita de uno o ambos ojos. Constituye uno de los defectos oculares más frecuentes entre aquéllos identificados en el momento del nacimiento y puede conferir una gran discapacidad a las personas afectadas, quienes pueden padecer no solo una disminución considerable de la agudeza visual, sino la ceguera total. Con frecuencia se relaciona esta enfermedad con la microftalmia [12]. La anoftalmía puede ser unilateral o bilateral y suele asociarse a una órbita poco desarrollada, ausencia de párpados y de la glándula lagrimal en la hemicara afectada. Puede presentarse como trastorno único del desarrollo o estar asociada a otras malformaciones. La prevalencia es de 0.3 a 0.6: 10 000 nacimientos [23]. En Inglaterra, un estudio basado en determinar la prevalencia total de anoftalmía y microftalmía señaló que durante el período de 1 988 a 1 994 era de 1:10 000 nacimientos [23]. Los datos sugieren que los factores de riesgo son maternidad de más de 40 años, embarazos múltiples, peso bajo al nacer y edad baja de gestación. No hay datos que indiquen predisposición por raza o género [12]. El tratamiento para esta patología es principalmente estético y se basa en la utilización de prótesis oculares, expansores de hidrogel que se colocan en la órbita para lograr que esta se desarrolle e injertos dermograsos del mismo paciente [18]. Para el diagnóstico de la anoftalmía se hace una ecografía del globo ocular, en la cual se identifican el tamaño del globo ocular y la morfología, en un ojo bien formado, para el caso del anoftalmo, se observan restos de tejido embrionario sin organización alguna. Para etapas subyacentes en el tratamiento de pacientes con anoftalmía congénita o adquirida, actualmente se emplean herramientas de diagnóstico para evaluar la mejoría tras una intervención quirúrgica, entre las cuales es posible encontrar la EOG, técnicas videooculográficas y diagnósticos subjetivos por parte del especialista. Sin embargo en la actualidad no se aplican estos métodos diagnósticos en la ciudad de Santiago de Cali. Las técnicas EOG aprovechan las características bioeléctricas del ojo, registrando el potencial existente entre la córnea y la retina, con lo cual se ofrecen resultados al especialista del estado del paciente pero generalmente este procedimiento debe
15
ir acompañado de otro tipo de mediciones [13] y se evidencia un problema ante la no obtención de una medida cuantificable. Por su parte los métodos videooculográficos son implementados al realizar un registro de video del paciente y se ofrecen resultados cuantificables al implementar algoritmos matemáticos [14]. Este tipo de herramienta diagnóstica permite obtener resultados confiables cuando se han tenido en cuenta protocolos en la etapa de adquisición de imágenes y se parte de la base del conocimiento para la aplicación de técnicas de pre-procesamiento y de diseño algorítmico. Se deben tener consideraciones como segmentar la región de interés para obtener parámetros relevantes en tratamiento de la enfermedad e identificar áreas de interés.
16
2. PLANTEAMIENTO DEL PROBLEMA
Los procedimientos en el campo de la oftalmología tienen como objetivo mejorar la calidad de vida de los pacientes. Según cifras del Instituto Nacional para Niños Ciegos a Octubre de 2006, 87.526 personas en Colombia padecían alguna discapacidad visual. Hasta el momento, no se tiene cifras que indiquen qué parte de la población presenta anoftalmo congénito o adquirido, patologías que no permiten alcanzar la simetría facial durante el proceso de crecimiento, comprometen la estética y por lo tanto puede afectar la autoestima y las relaciones sociales del paciente. Esta situación puede ser modificada a través de una intervención quirúrgica. En la actualidad se mide la diferencia de potencial (0.4 - 5 mV) entre la córnea y la membrana de Bruch por medio del electrooculograma. Cuando se realiza una intervención oftalmológica-estética, los resultados se evalúan de forma cualitativa, pero no se dispone de una forma que permita dar cuenta de la magnitud de la mejoría lograda por el procedimiento, por lo cual se hace necesario contar con una herramienta objetiva que mida de forma válida y confiable el movimiento ocular y así determinar la evolución posquirúrgica. Este proyecto propone diseñar un protocolo y una herramienta sistemática para cuantificar movimientos oculares por algoritmos de procesamiento digital de imágenes de video e implementarlo en un grupo de sujetos. Se espera que este desarrollo haga posible determinar cambios en el movimiento ocular en pacientes con anoftalmo congénito o adquirido intervenidos quirúrgicamente.
17
3. OBJETIVOS
3.1 OBJETIVO GENERAL
Diseñar e implementar un protocolo y herramienta sistemática para la cuantificación de movimientos oculares en pacientes con anoftalmo congénito o adquirido. 3.2 OBJETIVOS ESPECÍFICOS
Determinar el protocolo para la adquisición de secuencias de imágenes oculares en pacientes postquirúrgicos de anoftalmo congénito adquirido.
Seleccionar los métodos de pre-procesamiento de las imágenes para la segmentación de las regiones oculares de interés.
Desarrollar la herramienta sistemática basada en Matlab para la visualización de las secuencias de imágenes y cuantificación de movimiento.
Verificar el funcionamiento de la herramienta sistémica y el protocolo con patrones de movimiento ocular en pacientes con y sin patología asociada.
18
4. JUSTIFICACIÓN
Con este proyecto de diseño se ofrece una propuesta en la búsqueda de mejorar métodos de detección y cuantificación de movimientos oculares, para dar herramientas a especialistas del campo oftalmológico que permitan brindar un mejor servicio a los pacientes, optimizando el tipo de atención en salud y obteniendo información relevante de la evolución patológica de forma rápida y medible. Igualmente se busca implementar una función del campo de la ingeniería biomédica para dar respuesta a una necesidad médica real integrando conocimientos del área ingenieril y médica, y desarrollando a su vez un proceso donde se interactúe con profesionales de la salud y con pacientes que han sido sometidos a una intervención tras identificar un problema con la cuantificación de los movimientos de las posiciones de mirada que integran el campo de visión. Se propone desarrollar un método diagnóstico bajo una característica no invasiva que permita iniciar procedimientos en los cuales se logre optimizar tiempo de desplazamiento de los pacientes y con la posibilidad de iniciar una etapa de diseño que permita abordar el problema planteado desde la telemedicina y prestar un servicio para cuantificar movimientos oculares en puestos de salud ubicados en poblaciones lejanas para instituciones tipo 1 y 2, para de esta manera evitar la realización del examen solamente en centros especializados; y así ofrecer una alternativa bajo la cual se pueda realizar el examen por cualquier personal médico y posteriormente se analicen los resultados solo por el especialista encargado del proceso, intervención o procedimiento que se realice en el paciente.
19
5. MARCO REFERENCIAL
5.1 ALCANCES
Con este diseño se busca ofrecer un método diagnóstico no invasivo para cuantificar movimientos oculares en pacientes con anoftalmo congénito o adquirido. Se busca establecer un protocolo para adquirir imágenes; durante el desarrollo del proyecto existieron factores controlados y factores no controlados, sin embargo la búsqueda de controlar diversos aspectos característicos para la captura videográfica fue objeto de estudio durante la investigación. Basar la herramienta diseñada en etapas de preprocesamiento básicas presentándose beneficios para procesos de implementación del sistema en tiempo real buscando la reducción de tiempos de ejecución. Igualmente dentro de las finalidades de la herramienta se consideraron imágenes que no tuvieron protocolo de adquisición para no limitar el funcionamiento final del software o dar la posibilidad al usuario de trabajar de forma manual en imágenes con pobres características en su proceso de adquisición. 5.2 LIMITACIONES
Realizar solo una captura de video sobre los pacientes fue la principal limitante durante el desarrollo del proyecto. Igualmente sobre algunos pacientes no se realizó captura de su estado antes de ser intervenido, por lo tanto no se puede establecer una relación de mejoría con respecto a la cirugía si no con respecto al ojo sin patología asociada, valoración que debe hacer el especialista y no es objetivo del proyecto que se formuló. También fue una limitante contar con una muestra significativa para la investigación pero muy pequeña para realizar mayores estudios de validación de la herramienta diseñada. Finalmente, no es posible tomar una referencia certificada en software para la comparación de la medición realizada por el programa; sin embargo se utiliza un patrón de medición en 2D con medidas certificadas.
20
5.3 METODOLOGÍA Para el desarrollo de este proyecto de diseño se planteó una metodología, tomando como referencia aspectos importantes para el diseño desarrollo de productos [28]. Se plantearon cinco fases de desarrollo para dar respuesta las principales necesidades identificadas e interpretadas, teniendo como objetivo principal diseñar e implementar una herramienta sistemática para cuantificar movimientos oculares en pacientes con anoftalmía congénita o adquirida. Para el diseño se tienen dos grupos como objetivo de estudio para realizar comparaciones (patológico y no patológico) [17]. El grupo patológico esta asociado con el ojo del paciente que ha sido intervenido o que presenta el anoftalmo congénito o adquirido; y el grupo no patológico esta asociado con el ojo que no presenta patología ni intervención asociada en el mismo paciente. Se concluye que: se toma como referencia el ojo del paciente sin patología asociada para realizar la comparación de la movilidad alcanzada por el ojo patológico. La población con la cual se contó para realizar el diseño y verificación del funcionamiento de la herramienta en pacientes fueron niños entre 7 y 13 años, los cuales habían sido intervenidos de anoftalmo congénito o adquirido en la Clínica de oftalmología de Cali. 5.4 MARCO TEÓRICO 5.4.1 Alteraciones generales del globo ocular. Hay síndromes genéticos que cursan con alteraciones de la córnea, el iris y el cristalino. Algunas alteraciones son evidentes desde el nacimiento, pero otras solo se manifiestan en edades adultas, cuando se dan condiciones específicas que desarrollan la patología, como en el caso de problemas de origen metabólico. Básicamente, las alteraciones del globo ocular hacen referencia a defectos como la anoftalmía, microftalmia y colobomas de parpados o de algunas estructuras del globo ocular [26].
21
Figura 1. Imagen anatómica del ojo.
Fuente [ U.S National Library of Medicine. National Institutes of Healt. Marzo de 2012. [Consultado 21 de Julio de 2012]. Disponible en internet: http://www.nlm.nih.gov/medlineplus/spanish/eyesandvision.html]
La anoftalmía es una anomalía poco frecuente que consiste en la falla total de la formación del globo ocular. La microftalmia, por el contrario, es más común y consiste en una reducción extrema del tamaño ocular, con una disminución en el desarrollo del globo ocular. Los colobomas, bien sean de párpado, córnea, iris, coroides o retina, corresponden a defectos de formación en los cuales típicamente hay un defecto del cierre de la estructura. Debido a que la población para la cual se desarrolló el diseño padece anoftalmía de carácter congénito o adquirido, es necesario conocer acerca de esta patología, sus formas de diagnóstico y tratamiento. Figura 2. Imagen de patologías generales del globo ocular. a) Anoftalmía, b) Microftalmía, c) Coloboma de iris, d) Coloboma de párpado.
a) b)
22
Figura 2. Imagen de patologías generales del globo ocular. a) Anoftalmía, b) Microftalmía, c) Coloboma de iris, d) Coloboma de párpado. (Continuación)
c) d)
Fuente [FitzPatrick DR. Anophthalmia and microphthalmia. Orphanet Journal of Rare Diseases 2:47. 2007.], [Tamayo M.L. Bernal J. Alteraciones visuales y auditivas de origen genético. Pontificia Universidad Javeriana. Colombia. 1998.].
5.4.1.1 Anoftalmía. La anoftalmía es una patología ocular que se caracteriza por la ausencia del globo ocular, está puede ser unilateral o bilateral en quien la padece y es identificada con mayor frecuencia en el nacimiento. Esta patología puede ser asociada a una órbita con un desarrollo deficiente durante el proceso de gestación, ausencia de párpados y de la glándula lagrimal del ojo afectado, existe la posibilidad de que obedezca a un carácter adquirido o congénito. La anoftalmía adquirida es aquella originada por un trauma o tumor [2] [12], y en la anoftalmía congénita no existen tejidos del ojo correctamente formados o desarrollados [23], [27]. Dentro de las causas de estas malformaciones se relacionan causas ambientales, como la exposición a pesticidas (fungicidas), altas temperaturas de incineradores, infecciones maternas como la rubéola, toxoplasmosis, citomegalovirus y varicela. Estas malformaciones también pueden asociarse con síndromes genéticos, ya sean de origen cromosómico o monogénico [23], [27]. 5.4.1.2 Métodos diagnósticos. Dentro de los métodos diagnósticos se encuentran métodos que son utilizados durante diversas fases del tratamiento de rehabilitación. Generalmente deben realizarse radiografías para observar la conformación del espacio orbital desarrollado en el paciente; en algunos casos se realiza un electrooculograma para analizar si existen potenciales generados por los músculos encargados de realizar los movimientos oculares en el paciente [13]. Siempre debe realizarse una evaluación clínica, morfológica y anatómica del paciente, y proceder a una exploración del iris y la pupila, considerando tamaños
23
normales entre 2 y 4 mm para la hemicara no afectada y/o el ojo protésico, después de un procedimiento de rehabilitación. Se deben evaluar las posiciones diagnósticas de mirada del paciente, dentro de las cuales se encuentran, la posición primaria de mirada, las posiciones secundarias de mirada y las posiciones terciarias de mirada [10], ilustradas en la Figura 3. Figura 3. Posiciones diagnosticas de mirada.
Fuente [De Landaluce O. Ortóptica. Ed. Ciencias médicas. La Habana. 2006]
El campo visual esta dividido en grados desde la fóvea (zona central de la retina) para realizar una evaluación de movilidad de los músculos que actúan en el movimiento del globo ocular. Para evaluar el campo visual del paciente son utilizadas técnicas de confrontación, la campimetría de Goldman y la perimetría computarizada.
Técnicas de confrontación: Es un método cualitativo que no requiere equipos para su realización, es generalmente utilizado como una prueba rápida por parte de oftalmólogos, neurólogos, neurocirujanos, técnicos y personal del área de la salud para observar el campo visual en el paciente. Para la utilización de este método es necesario que el examinador tenga su campo visual normal. El paciente y el examinador deben estar de frente a una distancia entre 50 y 75 cm, procurando que los ojos queden a la misma altura; el ojo con baja visión en
24
el paciente se ocluye y se inicia por el ojo con mejor visión. El examinador se ocluye el ojo contrario, el punto de fijación del paciente es el ojo del examinador y se evalúan las posiciones del campo visual [8], [10].
Campimetría de Goldman: Es una prueba subjetiva de la exploración del campo visual, para la realización de la prueba es necesario un campímetro de Goldman. Para iniciar el examen, el paciente debe encontrarse cómodamente sentado, tener la barbilla y la frente apoyadas; es necesaria la colaboración del paciente para realizar la prueba ya que este debe responder a estimulos que se generen de intensidad luminosa e indicar al operador para así determinar en la carta campimetría los resultados de la prueba [9], [22].
Perimetría computarizada: Es un estudio asistido por computador por medio del cual es posible analizar y cuantificar la sensibilidad de la retina. Para la realización del examen el paciente debe permanecer sentado frente al campímetro. Los dos ojos son examinados de forma independiente para lo cual el paciente deberá cerrar uno de sus ojo mientras que el examinador se lo indique, por medio de un haz luminoso intermitente que aparece en distintas intensidades en las zonas del campo visual se determinan los resultados de la prueba [22], [24].
Por medio de la utilización de técnicas como las anteriormente mencionadas es posible obtener información del campo visual que se evalúa en un paciente. Las técnicas de confrontación resultan económicas, pero requieren de gran cooperación del paciente para obtener resultados apropiados, sin embargo es una técnica propiamente subjetiva de evaluación de campo visual. Por su parte, en la técnica de campimetría de Goldman se tiene una variable subjetiva con una medición del campo visual evaluado en el paciente poco confiable; es necesario personal entrenado para la realización de esta técnica y requiere un grado alto de cooperación del paciente. Y al utilizar técnicas de perimetría computarizada es posible conocer el ángulo alcanzado por el movimiento ocular en el paciente, debido a que generalmente esta variable es evaluada en ángulos; el rango de campo visual normal es de 50° para movimientos superiores, 70° para inferior, 60° para nasales y para temporales o laterales es de 90 a 100°, la utilización de estas técnicas requiere una inversión económica considerable debido a sus costos de adquisición,
25
operación y mantenimiento, además de ser necesario contar con personal competente y calificado para manipular estos equipos. Finalmente, se concluye que para medir la recuperación en pacientes después de un procedimiento con respecto a un control específico (ojo sin patología asociada), es posible obtener una medida de acuerdo a los desplazamientos logrados en pacientes unilaterales, y realizar así comparación de la evolución con respecto al ojo no patológico; por su parte al no tener un patrón esta contraindicado para pacientes con anoftalmía bilateral. 5.4.1.3 Tratamiento. El fin del tratamiento es estimular el crecimiento adecuado de la órbita, para de esta manera asegurar la morfología facial durante el crecimiento del paciente afectado y realizar un remplazo adecuado del contenido orbitario con una prótesis ocular [23]. El grado de deformidad determina qué técnica de rehabilitación oculoplástica se requiere, descartando primordialmente potencial visual en la hemicara afectada. Posteriormente se evalúa la edad del paciente y el volumen del contenido orbitario. El manejo de la cavidad en los niños es complicado y prolongado. Para los casos en los cuales hay un saco conjuntival pequeño y contraído, la colocación de una prótesis [4] como conformador no logra resultados deseados, por lo cual es necesario la utilización de expansores de hidrogel o en algunos casos es necesario realizar trasplantes dermograsos propios del paciente [23]. Las prótesis oculares se ilustran en la Figura 4. Figura 4. Prótesis oculares
Fuente [Birke S. Ocular service. [Consultado el 20 de julio de 2012]. Disponible en internet http://www.ocular-service.com/html/fabricacion_y_material.html]
26
Problema
Adquisición de imágenes
Preprocesamiento
Segmentación
Representación y descripción
Reconocimiento e Interpretación
Se debe considerar que el tipo de tratamiento depende del cuadro clínico del paciente y de la evaluación del oftalmólogo. Al dar tratamiento a esta patología se busca asegurar simetría facial en etapas de crecimiento y dar estética al paciente generando un movimiento sincrónico entre el ojo protésico y no protésico, brindado una mayor naturalidad en las posiciones de mirada del paciente y alejándolos de una exclusión social con mayor vulnerabilidad en menores de edad debido al padecimiento de su patología. 5.4.2 Adquisición de imágenes. Para el desarrollo del proyecto se realizó una etapa de fundamentación teórica basada en el área de procesamiento digital de imágenes (PID) para aplicar y abordar los diversos conceptos y desarrollar el protocolo y la implementación de la herramienta sistemática para cuantificar movimientos oculares en pacientes con anoftalmía congénita o adquirida. La representación de imágenes adquiridas es una combinación de iluminación y reflactancia. En el proceso de formación de la imagen se tiene un sistema óptico, un sensor y un digitalizador. La imagen básicamente esta representada por una matriz de tamaño NxM donde el elemento de cada pixel dentro de la matriz da la intensidad de la imagen en ese punto [15], [16]. En un sistema de visión artificial habitualmente las partes principales son: adquisición de la imagen, digitalización, preprocesamiento, segmentación, representación y descripción, y reconocimiento e interpretación [15], [16] (ver Figura 5. Figura 5. Etapas de un sistema de visión artificial
27
El sistema de visión artificial cuenta con los siguientes componentes para la realización de cada una de las etapas ilustradas en la Figura 5. 5.4.2.1 Sensor óptico. Cámara de video o fotográfica que produzca una imagen completa del objetivo cada 1/30 segundos como mínimo. Factores a considerar:
Cámara cromática o monocromática. Debe tomarse la decisión del tipo de cámara que se va a utilizar, si es a color o en escala de grises; este factor depende del presupuesto y de la aplicación que se vaya a realizar. La utilización de cámaras monocromáticas resulta útil cuando son necesarios tiempos de procesado más cortos y una menor inversión económica, por su parte las cámaras a color presentan beneficios potenciales en etapas de segmentación y extracción de características propias de la imagen [15].
Cámara digital o análoga. Se considera su elección teniendo en cuenta la velocidad y calidad de la imagen. Las cámaras digitales presentan mejor calidad debido a la no utilización de factores de ruido como cables y conectores [15].
Formato PAL o NTSC. Existen principalmente dos formatos de video, el formato europeo PAL (50 Hz) o el americano NTSC (60 Hz). Es necesario verificar el formato de operación de la cámara para la manipulación de las imágenes [15].
Características del CCD. Se debe considerar la resolución, en donde a mayor resolución es posible distinguir los detalles más pequeños de los objetos. Pero mayor resolución supone un mayor gasto económico y tiempo de procesamiento. Igualmente se considera la relación calidad-ruido; cuando esta relación es mayor, mejor es la calidad de la imagen [15].
5.4.2.2 Tarjeta de adquisición de imagen. Tarjeta para digitalizar la señal de video capturada por el sensor óptico, si este es análogo [15]. Factores a considerar:
28
Tipo de entrada de video. La entrada de video debe admitir el tipo de salida de la cámara seleccionada, video compuesto, RGB o digital [15].
Entradas y salidas de sincronismo. La tarjeta de video debe permitir el control de las señales de sincronismo de la cámara, el cual se usa cuando se utilizan varias cámaras a la vez. El sync-lonking permite sincronizar señales cuando se realiza la conmutación entre canales o en el caso de las cámaras para que la salida comprenda solo un grupo de almacenamiento [15].
Posibilidad de uso de triggers externos, entradas y salidas digitales. Las tarjetas de visión deben tener entradas de triggers para realizar disparos al producirse un evento determinado [15].
5.4.2.3 Técnicas de iluminación. La iluminación en la escena debe ser realizada de forma correcta, Existen dos formas de iluminación.
Iluminación frontal. La luz incide directamente sobre los objetos, puede ser verticalmente, horizontalmente, de forma oblicua o de forma difusa. Este tipo de iluminación permite distinguir los detalles de los objetos, así como su forma, permitiendo extraer parámetros de cada objeto como el color, detalles internos y externos permitiendo una mejor segmentación [16]. Sin embargo este tipo de iluminación puede presentar desventajas como la creación de sombras y reflejos. La mejor forma de evitar estos efectos sobre las imágenes es utilizar luz difusa, uso de lámparas circulares para una iluminación homogénea o uso de luz indirecta [15].
Iluminación trasera o retroiluminación. Se ilumina una pantalla de forma que lo que se busca es el contorno del objeto a modo de sombra. Este tipo de iluminación sirve para detección de contornos externos de la imagen global, simplificando la segmentación posterior a la captura. La iluminación por detrás del objeto puede hacerse de dos maneras, situando el objeto entre la pantalla obteniendo su sombra sobre esta; y el foco que lo ilumina o el objeto entre la cámara y la pantalla iluminando de esta manera el fondo de la escena [15].
5.4.2.4 Calibrado. A partir de métodos indirectos se reconstruyen las condiciones en las que se ha llevado a cabo la digitalización de una imagen para equiparar las mediciones realizadas en la imagen a las realizadas sobre el objetivo real o la escena de captura. [16] Puede realizarse una calibración morfométrica o
29
una calibración densitométrica sobre la imagen, en donde la escogencia del
método depende de la aplicación final del sistema de visión artificial. La calibración morfométrica conlleva establecer la relación que existe entre un píxel de la imagen y sus dimensiones reales [19] de la ventana utilizada durante el proceso de digitalización, lo que suele denominarse como campo instantáneo de visión. En términos matemáticos se describe como la convolución de la función de la imagen f(x,y) por la función de muestreo g(x,y).
. Ecuación 1
En la práctica, como es difícil conocer para cada sistema de digitalización la función g(x,y), se utilizan métodos indirectos basados en el establecimiento de la relación entre el número de píxeles y una longitud [7]. Esto se hace en unidades físicas de un objeto sobre la imagen digital y cuyas dimensiones en la imagen real son perfectamente conocidas.
Por su parte la calibración densitométrica se utiliza en los casos en los que es necesario establecer una relación entre la intensidad de un píxel y alguna propiedad física del objeto que modifica la cantidad de luz reflejada, emitida o transmitida por el mismo. Se debe seleccionar una plantilla con puntos definidos, medidas y dimensiones conocidas, se debe ajustar la cámara en inclinación y distancia para que exista mayor igualdad entre todas las distancias y diámetros de la plantilla [15]. Es aconsejable utilizar un programa que permita detectar las variables mencionadas en la plantilla para que se garantice la calibración, siendo utilizado generalmente para sistemas en tiempo real. 5.4.3 Preprocesamiento. El objetivo del preprocesamiento digital de imágenes es mejorar la imagen de tal forma que el objetivo final tenga mayores posibilidades de éxito. Básicamente las imágenes digitales son transformadas y filtradas por medio de aplicación de técnicas de mejoramiento de imágenes, aplicación de filtrado pasa bajas y pasa altos sobre la imagen, modificación del histograma de las imágenes, exploración de espacios de color entre otros [15], [16].
30
5.4.3.1 Espacios de color. Una imagen digital no es simplemente la ubicación de pixeles con colores diferentes en una matriz uniformemente distribuida, esta imagen realmente puede ser descompuesta en varias capas para percibir información contenida dentro de ella adicional al color, la cual depende de la aplicación requerida por el usuario final.
5.4.3.2 Imágenes en escala de gris. Una imagen en escala de grises es básicamente la composición de una matriz con niveles de gris desde 0 hasta 255 [12], como la imagen que se muestra en la Figura 6. a). Igualmente es interesante ver también el llamado histograma de la imagen [3], el cual permite ver la distribución, los niveles de gris existentes en la imagen, como se muestra en la Figura 6. b). Figura 6. Imagen en niveles de grises y su histograma. a) Imagen en niveles de gris moon.tif. b) Histograma de la imagen moon.tif.
a) b)
Fuente: Imagen monn.tif tomada de Matlab ®.
5.4.3.3 Modelos de espacio de color. Por medio de un modelo matemático es posible describir la forma en la que los colores pueden representarse con números [1], normalmente con tres o cuatro valores o componentes de color como por ejemplo los espacios o modelos de color conocidos como RGB, HSV, YCrCb y YIQ los cuales son modelos de color.
31
5.4.3.3.1 Modelo RGB. El modelo de color RGB tiene un espectro muy grande que varía su intensidad entre el rojo, el verde y el azul [1]. Básicamente en las imágenes hay tres capas o matrices que componen la imagen que percibimos. Figura 7. Modelo RGB
Fuente [Alba J.L, Martín F, Cid J. Colorimetría y captura de imagen [en línea]. Universidad de Vigo, Universidad Carlos III. España, 2006. [Consultado el 12 de noviembre de 2011]. Disponible en internet: http://www.gts.tsc.uvigo.es/pi/Colorimetria_Captura.pdf]
5.4.3.3.2 Modelo HSV. El modelo HSV mantiene una relación no lineal con el modelo RGB; la matriz H define el color, S define saturación y finalmente I define intensidad [1].
, Ecuación 2
, Ecuación 3
. Ecuación 4
32
Figura 8. Representación del modelo HSV y su descomposición de planos.
a) Imagen de muestra b) Plano H de la imagen de muestra
c) Plano S de la imagen de muestra d) Plano V de la imagen de muestra
5.4.3.3.3 Modelo YIQ. En este modelo se desacopla intensidad y color para tener compatibilidad con el blanco y el negro y se obtiene del modelo RGB por medio de una transformación lineal [16].
. Ecuación 5
5.4.3.3.4 Modelo YCbCr. El YCbCr, no es un espacio de color absoluto, es una forma de codificar información RGB. El color que se muestra depende del primario RGB usado para mostrar la señal. Sus componentes son Y, que hace referencia a luminancia, Cb es la componente de color azul y Cr es la componente de color rojo [16].
, Ecuación 6
, Ecuación 7
. Ecuación 8
33
El sistema elegido para transmitir la señal es la combinación de la luminancia Y, y dos señales diferencia de color R-Y, B-Y. Se utilizan estas dos señales diferencia porque hay mayor protección frente a las interferencias y el ruido [1]. 5.4.3.4 Técnicas de mejoramiento de imágenes. La manipulación digital de imágenes es un proceso por medio del cual una señal es representada por una matriz y está a su vez es manipulada para obtener otra modificando parámetros como el contraste, niveles de gris y ajuste de rango. Los elementos de una matriz, llamados pixeles en la imagen son distribuidos en la matriz de la imagen, donde los índices de fila y columna identifican un punto de la imagen y el valor del elemento indica el nivel de gris para ese punto. Estos valores pueden ser modificados en la imagen al aplicar sobre la imagen de entrada una transformación dada por un vector de transformación en donde los valores que antes correspondían a un valor determinando ahora conformaran una nueva imagen obteniendo un nuevo valor de nivel de gris para imagen en ese punto [16] como se ilustra en la Figura 9. Figura 9. Imágenes de mejoramiento de contraste. a) Imagen de bajo contraste. b) Perfil del vector de transformación. c) Resultado de umbralización.
a)
b) c)
Fuente: Imágenes tomadas de [González, R; Woods, R. Tratamiento digital de imágenes. Editorial
Díaz Santos y Addison Wesley Iberoamericana. Wilmington, Delaware. USA, 1996.]
5.4.3.5 Técnicas de filtrado. Existen técnicas de filtrado en el dominio espacial y en el dominio frecuencial; la escogencia de una de estas dos técnicas esta dada por la aplicación final de la imagen.
34
Las técnicas de filtrado en el dominio espacial, mejoran las imágenes, por medio de la manipulación directa de los pixeles en la imagen. En el filtrado espacial se tienen los filtros pasa altos y pasa bajos, los cuales son aplicados a las imágenes a través de máscaras. Las imágenes también pueden ser procesadas en el dominio frecuencial, donde ya no se tiene niveles de gris en los pixeles sino frecuencias, y en lugar de hablar de cambios bruscos y suaves de contraste, se tienen componentes de alta y baja frecuencia. Las imágenes igualmente pueden ser modificadas para obtener diferentes resultados deseados de acuerdo a la aplicación específica. 5.4.3.5.1 Filtro promedio. El filtro promedio es un filtro pasa bajas, cuya función es la de resaltar las regiones o cambios suaves de contraste, mientras anula los bordes o cambios bruscos de niveles de gris. Normalmente la repuesta de este tipo de filtros, ocasiona que una imagen se vea borrosa ya que al aplicar la máscara respectiva sobre ella los bordes se suavizan [16]. Figura 10. Imágenes de filtrado promedio. a) Imagen con ruido. b) Reducción de ruido en la imagen con filtrado promedio.
Fuente: Imágenes tomadas de [González, R; Woods, R. Tratamiento digital de imágenes. Editorial
Díaz Santos y Addison Wesley Iberoamericana. Wilmington, Delaware. USA, 1996.].
5.4.3.5.2 Filtro promedio adaptativo. La utilización del filtro adaptativo en la imagen es importante cuando se desea reducir el ruido utilizando filtros de tamaño variable, donde el tamaño es relativamente grandes en las zonas homogéneas de
a) b)
35
la imagen. El objetivo de estos filtros es adaptar su estructura o los coeficientes de un operador cuando el filtro actúa en el interior de una región homogénea, igualmente el filtro actúa en una región que contiene un contorno. Este filtro tiene dos etapas, una de decisión y una de filtrado de los datos. Para la etapa de decisión es necesario tener información a priori dada por el usuario, y obedece a la siguiente formulación matemática [5]:
, Ecuación 9
Donde W(x) es 1 si |x| ≤ t y 0 si no. A es la matriz de la imagen, a el pixel de interés, L el tamaño variable de ventana, t el umbral y C la imagen filtrada. 5.4.3.5.3 Filtros pasa altas. El objetivo de los filtros pasa altas es resaltar detalles finos en la imagen [16] y los mismos que se han vuelto borrosos debido a múltiples causas como el error introducido con las técnicas anteriormente utilizadas. Los filtros de realce buscan resaltar las zonas de mayor variabilidad eliminando lo que sería la componente media, precisamente la que detectan los filtros pasa bajas. 5.4.3.5.3.1 Operadores de Gradiente. Los operadores gradiente como filtro pasa altas son utilizados para identificar bordes en las imágenes [16]. Representan una herramienta de gran ayuda para identificar discontinuidades, o conocer ubicaciones particulares de objetos en las imágenes. Sin embargo, al tener imágenes con ruido, los diferentes métodos de filtros gradiente permiten el paso de las altas frecuencias compuestas en el ruido y atenúan las bajas frecuencias que representan la imagen, mostrando resultados no favorables, y en ocasiones hasta desapareciendo totalmente la imagen. El método de derivación más común para el procesamiento digital de imágenes es el cálculo del gradiente de la imagen f(x,y). Las diferentes formas de aproximar la magnitud del gradiente dan origen a los siguientes operadores [16]:
36
Operador Roberth. Utiliza dos máscaras de 2X2, las cuales recorren la matriz de la imagen [16]. Presenta mayor sensibilidad ante el ruido en comparación con Prewitt y Sobel
. Ecuación 10
Operador Prewitt. Utiliza dos máscaras de 3X3, las cuales recorren la matriz de la imagen [16]. Involucra a los vecinos de filas y columnas adyacentes para obtener mejores resultados frente al ruido.
. Ecuación 11
Operador Sobel. Utiliza dos máscaras de 3X3, las cuales recorren la matriz de la imagen [16]. Presenta una mayor sensibilidad para la detección de bordes diagonales.
. Ecuación 12
5.4.4 Segmentación de imágenes. La segmentación de imágenes consiste en extraer información que está contenida dentro de la imagen. Se busca el agrupamiento de los pixeles en unidades de acuerdo a la aplicación final o localización de elementos u objetos en la imagen [3], [15], [16]. Es uno de los procesos más importantes dentro de un sistema automatizado de visión debido a que permite extraer objetos dentro de la imagen para su posterior descripción y reconocimiento [16]. Las técnicas de segmentación pueden encuadrarse en tres grupos fundamentales: técnicas basadas en la detección de la frontera, técnicas de umbralización y
37
técnicas basadas en el agrupamiento de píxeles [29]. Las basadas en detección de fronteras detectan los bordes de la imagen. Las de umbralización y basadas en el agrupamiento de píxeles enfocan la segmentación como un problema de clasificación de píxeles o grupos de píxeles, en donde píxeles de una región deben ser similares, píxeles de regiones distintas deben ser no similares y las regiones resultantes deben tener cierto significado para el procesamiento posterior [15]. Una de las técnicas de segmentación basadas en detección de frontera es conocida como la transformada de Hough [29], y se refiere a la segmentación detectando curvas en la imagen. 5.4.4.1 Transformada de Hough. La transformada de Hough es una herramienta que permite detectar curvas en una imagen [16], [29]. Es una técnica muy sensible al ruido y a la existencia de huecos en la frontera del objeto. A la hora de aplicar la transformada de Hough a una imagen es necesario obtener primero una imagen binaria de los píxeles que forman parte de la frontera del objeto. El objetivo de la transformada de Hough es encontrar puntos alineados que puedan existir en la imagen, es decir, puntos en la imagen que satisfagan la ecuación 2 para distintos valores de ρ y θ.
. Ecuación 13
Por tanto hay que realizar una transformación entre el plano imagen (coordenadas x y) y el plano o espacio de parámetros (ρ,θ). Para aplicar la transformada de Hough es necesario discretizar el espacio de parámetros en una serie de celdas denominadas celdas de acumulación. Esta discretización se realiza sobre los intervalos (ρmin,ρmax) y (θmin,θmax). El siguiente paso es evaluar la ecuación de la recta para cada punto de la imagen (xk,yk), si se cumple esta ecuación se incrementa en uno el número de votos de la celda. Un número de votos elevado indica que el punto pertenece a la recta [29].
38
5.4.4.2 Procesamiento morfológico. Dentro de las etapas de segmentación es importante definir con exactitud la delimitación y bordes del objeto de interés dentro de la imagen [15]. Las etapas de post procesamiento contribuyen considerablemente en la extracción de este tipo de características empleando tratamiento morfológico. 5.4.4.2.1 Erosión. La transformación de la erosión es el resultado de comprobar si el elemento estructurante está completamente incluido dentro del conjunto X [15], cuando no ocurre, el resultado de la erosión es el conjunto vacío. Su utilidad consiste en definir una geometría determinada al elemento estructurante y pasarlo sobre la imagen [16]. De acuerdo a esto entonces, los objetos menores al elemento estructurante no aparecerán en la imagen resultante. Se afirma entonces que los objetos que queden de la transformación son degradados. Por tanto, la erosión supone una degradación de la imagen [15], en donde los objetos de la imagen van perdiendo grosor, diámetro y se comienzan a separar entre sí. Figura 11. Imagen con procesamiento morfológico de erosión a) Imagen binarizada. b) Erosión de la imagen a.
a) b)
Fuente: Imágenes tomadas de [Gonzales A, Martínez J, Pernía A, Alba F, Castejón M, Ordieres J, Vergara E. Técnicas y algoritmos básicos de visión artificial. Universidad de la rioja. España, 2006.]
5.4.4.2.2 Dilatación. La dilatación es la transformación dual a la erosión. El resultado de la dilatación es el conjunto de puntos del elemento estructurante tal
39
que al menos está contenido en algún elemento de X, cuando el elemento estructurante se desplaza sobre el conjunto X [15]. Esta operación representa un crecimiento progresivo del conjunto X. Al pasar el elemento estructurante dentro del conjunto, éste no se modificará [16]. La dilatación también es llamada como expansión o crecimiento ya que produce un efecto de engrosamiento de los bordes en la imagen. Este proceso es muy utilizado para unir líneas discontinuas después de procesos de filtrado en los cuales se ha perdido información [15]. Figura 12. Imagen con procesamiento morfológico de dilatación. a) Imagen binarizada. b) Dilatación de la imagen a.
a) b)
Fuente: Imágenes tomadas de [Gonzales A, Martínez J, Pernía A, Alba F, Castejón M, Ordieres J, Vergara E. Técnicas y algoritmos básicos de visión artificial. Universidad de la rioja. España, 2006.]
5.4.4.3 Región de interés. El uso de la antropometría ha sido potencializado en las diferentes áreas del desempeño humano, como la medicina en donde se busca la comparación cuantitativa de datos antropométricos en pacientes que se someten a cirugías estéticas o reconstructivas [20]. La antropometría facial estudia las dimensiones y proporciones de la cabeza y la cara, y está basada en la determinación de mediciones en puntos característicos faciales en el sujeto por medio de procedimientos e instrumentos exactos, como antropómetros. [20]
40
Figura 13. Puntos antropométricos característicos faciales. a) Puntos característicos faciales en un sujeto en vista frontal. b) Anchura biocular
a) b)
Fuente: Imagen tomada de [Mejia I. Extracción Automática de Características Faciales para el Estudio Antropométrico en Niños entre 5 y 10 Años de la Ciudad de Manizales. Trabajo de grado ingeniera electrónica. Manizales: Universidad nacional de Colombia. Facultad de ingeniería, 2004. 95 p.]
Con base en características antropométricas faciales es útil tomar como puntos de referencia las comisuras externas de los ojos o exocantos (ex), la anchura biocular (ex – ex), el cigión (zy) y la nasión (n) [16]; por lo tanto la detección del iris se concentrará en esta región, considerada la región de interés gracias a la proporcionalidad entre la anchura biocular y la distancia n – zy.
41
6. DESARROLLO DEL SISTEMA
6.1 PROTOCOLO DE ADQUISICIÓN 6.1.1 Adquisición de imágenes. El proceso de adquisición de imágenes se realizó en nueve pacientes posquirúrgicos de anoftalmo congénito o adquirido, según base de datos suministrada por la Clínica de Oftalmología de Cali. Los pacientes que participaron de la captura de imágenes a procesar fueron informados del proyecto investigativo y debido a que el rango de la población objeto de estudio osciló entre 7 y 15 años de edad, se levantaron actas de consentimiento informado, firmadas por parte de los padres de familia o acudientes (Anexo A). De los pacientes a los cuales se les realizó la captura de video, se tienen un total de 14 videos, 7 sin protocolo de adquisición y 7 con protocolo de adquisición, incluyendo para algunos pacientes pre y posquirúrgico de anoftalmo congénito o adquirido, como se relaciona en la Tabla 1. Tabla 1. Relación de videos obtenidos
Pacientes
Pre quirúrgicos Posquirúrgicos
Sin protocolo
Con protocolo
Sin protocolo Con
protocolo
1 X
2 X X
3 X X
4 X
5 X
6 X X
7 X X
8 X
9 X X
Totales 9 5 0 2 7
Se establecieron características específicas que conformaron el protocolo de adquisición, controlando algunos factores de acuerdo a las necesidades identificadas para el proceso como la distancia focal, los puntos específicos de movimiento ocular, el establecimiento de un patrón y con factores que no fueron
42
controlados como la iluminación de la escena, la conformación de la imagen, el transductor de entrada, entre otros que se observan en la Tabla 2. Tabla 2. Factores controlados y no controlados del protocolo de adquisición de imágenes.
La captura fue realizada con una cámara de video sony HVR Z1
Factor no controlado
Se utilizó un trípode para la grabación de un motivo estático
Factor controlado
Se realizó ajuste de balance de blancos por medio de WHT BAL según la luz del entorno de la grabación, igualmente la luz utilizada para iluminación fue reflejada sobre la pared para disminuir ruidos de alta frecuencia sobre el iris.
Factor no controlado
Durante la captura la posición del paciente fue sentado y con la cabeza estática.
Factor controlado
Encuadre de la imagen y posicionamiento del sujeto estático.
Factor no controlado
Distancia mínima de 80 cm entre la videocámara y el motivo para obtener enfoque nítido con el zoom.
Factor controlado
Se tomaron como objeto de análisis puntos específicos de la excursión ocular. Los máximos alcanzados lateral, nasal, superior e inferior.
Factor controlado
Al inicio de la toma de cada video se realizó calibración con un patrón bajo medidas certificadas. (ANTHROPOMETER LAFAYETTE MODEL 01291)
Factor controlado
Debe hacer una persona encargada de la realización del examen, la cual debe situarse frente al paciente a una distancia entre 30 y 60 cm.
Factor controlado
La persona encarga de la realización del examen debe utilizar un objeto y moverlo a una velocidad constante en dirección de los movimientos de las posiciones diagnosticas de mirada.
Factor controlado
Relacionar datos del paciente antes de realizar la captura de video.
Factor controlado
Aunque no se incluye en el protocolo, es importante resaltar que el número de muestras realizadas al igual que el número de videos tomados en los pacientes fue un factor no controlado durante el desarrollo del proyecto. De acuerdo a los factores controlados y no controlados se estableció el proceso de adquisición para
43
la conformación de la imagen, como se ilustra en el siguiente diagrama de bloques. Figura 14. Diagrama de bloques para la conformación de la imagen
Antes de iniciar el proceso de captura se establecieron características fundamentales para conformar el protocolo de adquisición de las imágenes, especificando seis momentos objeto de estudio como se describen a continuación en la Tabla 3. Tabla 3. Momentos específicos de la captura de imágenes
Calibración
Al inicio de la toma de cada video se realizó calibración con un
patrón bajo medidas certificadas. (ANTHROPOMETER
LAFAYETTE MODEL 01291).
Central
Posterior al momento de la calibración se inicia la secuencia de
movimientos oculares y se toma como punto de referencia el eje
centrado del iris en el ojo.
Lateral
Se estableció como referencia el movimiento lateral el ojo
derecho en cada paciente, independiente del ojo protésico.
Desplazamiento eje horizontal.
Nasal
Se estableció como referencia el máximo movimiento nasal el
ojo derecho en cada paciente, independiente del ojo protésico.
Desplazamiento eje horizontal.
Superior
Se estableció como referencia el máximo movimiento alcanzado
en el eje vertical del iris en los pacientes.
Inferior
Se estableció como referencia el máximo movimiento alcanzado
en el eje vertical del iris en los pacientes.
Documentar el
paciente
Controlar
iluminación y
encuadre
Cámara de
video
Distancia focal
mínima 80 cm.
44
De acuerdo a lo anterior se procedió con la captura de video para cada paciente. De acuerdo al material videográfico se observa la Figura 15, en donde se ilustran imágenes adquiridas sin tener protocolo de adquisición en un paciente y teniendo en cuenta el protocolo de adquisición descrito anteriormente en el mismo paciente. Figura 15. Imágenes con protocolo de adquisición y sin protocolo de adquisición. a) Imagen sin protocolo de adquisición. b) Imagen con protocolo de adquisición (Imágenes de pacientes bajo protección de identidad).
a) b) El video fue adquirido en protocolo NTSC y se almacenó en formato miniDV. Se interpolaron las tomas pares e impares del formato NTSC para lo cual se realizó un transfer de video. El video digitalizado fue almacenado en un computador y utilizando el programa adobe premier se identificó en el video a cada paciente de acuerdo al registro que se realizó al iniciar la toma de muestras enunciada en la Tabla 2 del protocolo de adquisición de imágenes. Posteriormente se clasificaron los pacientes teniendo en cuenta el orden de la captura y se archivaron los momentos específicos de movimiento ocular descritos en la Tabla 3. Los archivos en las carpetas fueron almacenados bajo los nombres de, Calibración.tiff, Centro.tiff, Lateral.tiff, Nasal.tiff, Inferior.tiff y Superior.tiff, en donde cada uno de estos corresponde con el movimiento realizado por el paciente teniendo como referencia el ojo derecho para iniciar el análisis.
45
Tabla 4. Características de las imágenes adquiridas
Dimensiones 1280 x 720
Ancho 1280 píxeles
Alto 720 píxeles
Resolución horizontal 96 ppp
Resolución vertical 96 ppp
Profundidad de bits 32
Tipo de elemento imagen TIFF
Interpretación fotométrica RGB
6.2 DISEÑO DE LA HERRAMIENTA SISTEMÁTICA Para el proceso de diseño, inicialmente se realizó un prototipo de prueba de conceptos para probar aquellos conceptos generados para la cuantificación de movimientos oculares. El siguiente corresponde al diagrama de bloques del sistema de cuantificación manual y sus resultados se pueden observar en el Anexo B.
46
Figura 16. Diagrama de bloques de la herramienta manual
Posteriormente se procedió a realizar el prototipo de la herramienta de cuantificación de movimiento ocular automática para la cual se realizaron las etapas ilustradas en la Figura 17.
Cargar imagen
Eliminar la última capa de la
imagen
Realizar calibración
manual
Determinar resolución
Cargar
1. Centro
2. Lateral
3. Nasal
4. Superior
5. Inferior
Eliminar la última capa de las imágenes
Pasar a escala de grises
Seleccionar el área de interés
Ubicar manualmente el centro del iris.
Almacenar valores de 1,
2, 3, 4 y 5
Calcular |2-1| |3-1| |4-1| y |5-1|
Visualizar los resultados de
desplazamientos
Fin
47
Figura 17. Diagrama de bloques de la herramienta automática
Eliminar última capa
Realizar calibración manual
de 1mm
Cargar imagen calibración
Cargar y eliminar última capa de:
Centro
Lateral
Nasal
Inferior
Superior
Pasar a escala de grises
Ajustar el rango dinámico
[0 40]
Realizar expansión del
histograma 0-255
Seleccionar región de interés
Aplicar Prewitt
Realce de contraste
Segmentación región de interés
Filtrado
Fin
Aplicar la transformada de
Hough.
Almacenar las coordenadas
X y Y
Calcular los desplazamientos
Visualizar los resultados
Imagen binarizada y con bordes.
Detección
Cuantificación
48
6.2.1 Preprocesamiento. Durante el inicio del preprocesamiento se organizó la información de acuerdo a lo establecido en el literal 2.1 del protocolo de adquisición, se realizó una carpeta por cada paciente y se clasificaron los movimientos oculares mencionados. Para continuar con el proceso se utilizó el software Matlab ®, iniciando tareas de preprocesamiento clásicas como, exploración de espacios de color, aplicación de técnicas para el mejoramiento de imágenes, técnicas de filtrado, modificación del histograma y ajuste de rango dinámico con la finalidad de aumentar posibilidades de éxito en etapas posteriores y destacar características específicas en las imágenes. Para trabajar con las imágenes adquiridas con protocolo .tiff se identificó la existencia de una cuarta capa en la imagen adicional a RGB, la cual se eliminó observando que no era significativa. A partir de la imagen en Matlab ® en RGB, se procedió a explorar la información significativa de los espacios de color (diagrama de bloques de la Figura 17) 6.2.1.1 Región de interés. A partir de las medidas antropométricas faciales referidas en el capitulo 1 se realizó la segmentación manual de la anchura biocular teniendo en cuenta la relación de esta medida y el ancho vertical de los ojos de los pacientes a los cuales se realizó la captura bajo protocolo. Tabla 5. Mediciones antropométricas faciales en los pacientes con protocolo de adquisición de imágenes.
Paciente ex – ex n – zy
1 9,5 3,2
2 9,6 3,3
3 9,6 3
4 8,9 2,8
6 9,4 3,1
7 9,5 2,8
8 9,1 3,1
A partir de esta tabla se obtuvo un valor de 80 píxeles verticalmente hacia arriba y hacia abajo determinando la región de interés bajo una relación facial de 1/3.
49
6.2.1.2 Espacios de color. Se realizó exploración de la implementación del software en espacios de color y en niveles de grises tomando como referencia la documentación del marco teórico. Las imágenes capturadas se encuentran en RGB debido a las condiciones del transductor de entrada [26]. 6.2.1.2.1 Modelo RGB. Se realizó la comparación entre la utilización de cada capa de la imagen o la utilización de las tres capas de éstas para aplicar diversos filtros en la imagen, determinando así cual de éstas presenta información más relevante para el proceso de automatización. Igualmente se analizó la componente frecuencial de cada una de las capas en la imagen para determinar el aporte de cada una. Figura 18. Planos RGB de la imagen de entrada. (Imágenes bajo protección de identidad del paciente)
Se evaluaron las componentes frecuenciales de las capas R, G y B para determinar cuál de estas presentaba mayor información de la imagen y aplicar posteriores etapas de procesamiento. Se concluyó que cada una de las capas presenta información similar, por lo tanto se exploró el funcionamiento de otros modelos de color.
50
6.2.1.2.2 Modelo HSV. Se evaluaron las componentes frecuenciales de las capas H, S y V para determinar cual de éstas presentaba mayor información de la imagen y aplicar posteriores etapas de procesamiento. Se concluyó que la capa de intensidad aporta información relevante de la conformación de la imagen, por lo cual se decidió estudiar y analizar su comportamiento en posteriores etapas para la automatización de la herramienta sistemática. Figura 19. Planos HSV de la imagen de entrada. (Imágenes bajo protección de identidad del paciente)
Este concepto fue utilizado para evaluar su desempeño al aplicar la transformada de Hough sobre la imagen debido a que se observó información relevante para la capa V, también conocida como I; las componentes de H y S no aportaron significativamente al proceso de automatización de la herramienta. 6.2.1.2.3 Modelo YCbCr. Se transformó la imagen RBG a YCbCr y se realizó comparación de cada capa de la imagen determinando así cual de éstas presenta información más relevante para el proceso de automatización.
51
Figura 20. Planos YCbCr de la imagen de entrada. (Imágenes bajo protección de identidad del paciente)
Al realizar pruebas con las capas del modelo YCbCr no se encontraron aportes significativos por parte de las capas Cb y Cr. Sin embargo para Y fue tomada en cuenta para realizar pruebas en la detección del iris por medio de la transformada de Hough.
6.2.1.2.4 Modelo YIQ. Se transformó la imagen RBG a YIQ, y se realizó comparación de cada capa de la imagen determinando así cual de éstas presenta información más relevante para el proceso de automatización.
52
Figura 21. Plano YIQ de la imagen de entrada. (Imágenes bajo protección de identidad del paciente)
Al realizar pruebas con las capas del modelo YIQ no se encontraron aportes significativos por parte de las capas C y Q; sin embargo la capa correspondiente a Y se tomó en cuenta para realizar pruebas en la detección del iris por medio de la transformada de Hough. 6.2.1.2.5 Imágenes en nivel de gris. Las imágenes en formato RGB fueron transformadas a niveles de gris como se muestra en la Figura 22. Figura 22. Imagen en escala de grises. (Imagen bajo protección de identidad)
53
La utilización de imágenes en escala de grises presenta gran utilidad en tareas de procesamiento y segmentación. Debido a esto se concluyó que este tipo de imágenes son de gran utilidad para aplicaciones de modificación de histograma de la imagen, ajuste de rango dinámico y agilización de tiempo de procesamiento. 6.2.2 Técnicas de mejoramiento de imágenes. Se ajustó el rango dinámico de la imagen buscando eliminar factores de ruido sobre la imagen y simplificando procesos de automatización de la herramienta sistemática y disminuyendo etapas de procesamiento sobre las imágenes. Se utilizó como límite inferior, el valor mínimo de intensidad de la imagen correspondiente a 0 y como límite superior un valor de 40, el cual se obtuvo de acuerdo a la detección del iris sobre las imágenes de acuerdo a la transformada de Hough. Posteriormente se utilizó la técnica de expansión del histograma sobre la imagen desde 0 hasta 255.
Mediante la utilización de estas dos técnicas fue posible obtener realce en el contraste de la imagen; éste se puede observar en la Figura 23 a) y b), en donde a la imagen de entrada se le ha realizado el proceso descrito. Figura 23. Realce de contraste en imágenes. a) Imagen del paciente original b) Imagen del paciente con ajuste de rango dinámico y expansión del histograma. (Imagen bajo protección de identidad).
a) b)
54
6.2.2.1 Técnicas de filtrado. El filtrado de las imágenes adquiridas es de vital importancia para una automatización eficaz de la herramienta sistemática. Se aplicaron técnicas de filtrado en el dominio espacial, y fueron estudiados los comportamientos de los filtros en la imagen pasa altos y pasa bajos, aunque no todos fueron utilizados finalmente. 6.2.2.1.1 Filtro promedio (filtro pasa bajos). Se implementó el filtrado promedio para aplicarlo sobre las imágenes por medio de la convolución de la imagen con una matriz de 3X3 como la mostrada en la ecuación 13. Las imágenes resultantes se observan en la Figura 24.
. Ecuación 13
Figura 24. Filtrado promedio. a) Imagen original. b) Imagen con filtro promedio
a)
b)
Al observar el comportamiento del filtro promedio sobre las imágenes, se determinó que su respuesta sobre la imagen no aporta para el proceso de detección del iris por medio de la transformada de Hough, ya que éste crea un efecto difuminado sobre la imagen que hace más difícil el proceso de filtrado para detectar contornos.
55
6.2.2.1.2 Operadores de Gradiente. Se utilizaron los operadores de gradiente para obtener la forma circular del iris de los pacientes para lo cual se observó el comportamiento de los operadores Sobel, Roberth y Prewitt al aplicar la transformada de Hough y observar las detecciones logradas para cada uno de los casos. Figura 25. Operadores gradiente. a) Imagen original. b) Imagen con Sobel. c) Imagen con Prewitt y d) Imagen con Roberth.
a) b)
c) d)
En los resultados visuales y en el desempeño de la transformada de Hough, el operador Prewitt tuvo un mejor comportamiento por lo cual este fue seleccionado para el desarrollo de la herramienta. 6.2.3 Transformada de Hough. Para la detección del iris se utilizó la transformada de Hough referida en el capítulo 1 e implementada basada en [31]. A partir de esta transformada se identificó el iris de los pacientes al igual que el centro de éstos para permitir calcular los movimientos logrados en cada caso según el protocolo diseñado, los resultados obtenidos se ilustran en la Figura 26. Figura 26. Detección del iris y el centro del iris sobre la imagen.
56
6.2.4 Procesamiento morfológico. Dentro de las etapas de segmentación es importante definir con exactitud la delimitación y bordes del iris de los ojos dentro de la imagen. Las etapas de postprocesamiento contribuyen considerablemente en la extracción de este tipo de características empleando tratamiento morfológico. Con la finalidad de utilizar este tipo de segmentación, se estudió el comportamiento de los operadores de erosión y dilatación en la imagen. Figura 27. Procesamiento morfológico. a) Imagen filtrada. b) Imagen erosionada a partir de la imagen filtrada. c) Imagen dilatada del paciente a partir de la imagen filtrada.
a)
b)
c)
Se observó el comportamiento del procesamiento morfológico de erosión y dilatación, concluyendo que su respuesta al aplicar la transformada de Hough presenta resultados poco significativos para el proceso de detección, por lo cual no se utilizó para el desarrollo de la herramienta.
57
6.3 IMPLEMENTACIÓN DEL SISTEMA Al concluir el capitulo de desarrollo del sistema, se exploraron todos los conceptos generados para dar solución al planteamiento del proyecto y se determinaron las siguientes características para implementación de la herramienta sistemática:
Se determinó que las imágenes fueran procesadas por el programa en escala de grises debido a su comportamiento óptimo para la detección y tiempo de ejecución del sistema, dado que los espacios de color explorados no cumplieron con el objetivo de detección. Sin embargo las imágenes serán visualizadas para el usuario en RGB.
El realce de contraste sobre la imagen en escala de grises fue considerada una de las etapas más importantes antes de realizar la etapa de filtrado debido a que se eliminaron ruidos presentes en las imágenes por los factores que no fueron controlados, características propias del paciente y de la adquisición de la imagen.
Definir una región de interés con base de puntos antropométricos faciales definidos, facilita el proceso de detección del iris y genera más confiabilidad para el diseño final, considerándose como un proceso fundamental del diseño desarrollado.
Dentro del proceso de filtrado para detectar el iris y aplicar la transformada de Hough, el operador con mejor rendimiento fue Prewitt por lo cual se determinó éste para el diseño final.
A partir de la detección del iris y su respectivo centro, se almacenó la coordenada de este punto para las imágenes de los pacientes en cada uno de los casos definidos en el protocolo.
Finalmente fue calculado el desplazamiento en cada movimiento, teniendo en cuenta coordenadas en x para movimientos laterales y nasales, coordenadas en y para movimientos inferiores y superiores, y partiendo de la imagen de referencia (Centro) definida en el protocolo con coordenadas x y y. El diagrama de bloques general del sistema se puede observar en la Figura 17.
58
Se diseño una interfaz gráfica para la interacción de la herramienta sistemática implementada y los usuarios, está interfaz se compone de 4 paneles principales: panel de calibración, panel de cálculo, visualización de imágenes y visualización de resultados. El diseño se ilustra la Figura 28, para ver detalles de funcionamiento ver Anexo D (manual de usuario MODET). Figura 28. Interfaz del sistema diseñado
59
7. RESULTADOS
7.1 PROTOCOLO DE ADQUISICIÓN En el desarrollo de esta herramienta se lograron tomar 7 videos bajo protocolo de adquisición. Tabla 6. Protocolo de adquisición de imágenes.
Realizar captura con cámara de video Controlar factor
Utilizar trípode para la grabación estática Controlar factor
Realizar ajuste de balance de blancos. Reflejar luces de iluminación para disminuir ruidos sobre el iris.
Controlar factor
Controlar la distancia mínima entre la videocámara y el motivo para obtener enfoque nítido con el zoom. Dependiendo del transductor de entrada, debe referirse al manual.
Controlar factor
Asegurar la posición del paciente (preferiblemente sentado y con la cabeza estática)
Controlar factor
Tomar como objeto de análisis puntos específicos de la excursión ocular. Máximos movimientos alcanzados en lateral, nasal, superior e inferior.
Controlar factor
Asignar una persona encargada de indicar al paciente el movimiento a realizar, teniendo en cuenta que está debe situarse frente al paciente a una distancia entre de 30 y 60 cm.
Controlar factor
Controlar que la persona encargada de la realización del examen utilice un objeto y que lo desplace a una velocidad constante en dirección de las posiciones diagnosticas de mirada.
Controlar factor
Al iniciar la toma de cada video realizar calibración con un patrón bajo de medidas certificadas.
Controlar factor
Relacionar datos del paciente antes de realizar la captura de video.
Controlar factor
60
Se establecieron 5 momentos específicos para la cuantificación de los movimientos máximos alcanzados por los pacientes y un momento de calibración adicional como se ilustra Figura 29. Figura 29. Imágenes de conformación del protocolo
a) Calibración b) Centro
c) Lateral d) Nasal
e) Inferior f) Superior
7.2 HERRAMIENTA MANUAL Los resultados obtenidos a partir de la herramienta manual descrita en el capítulo 2.2 se pueden observar en el Anexo B.
61
7.3 HERRAMIENTA AUTOMÁTICA Para evitar errores en la detección manual, fue diseñada una herramienta que permitiera medir los movimientos descritos en el protocolo. Para el desarrollo de la herramienta automática fue necesario considerar casos en los cuales se presentaron detecciones positivas y falsas detecciones. Se analizó la detección de la herramienta para imágenes con protocolo y sin protocolo de adquisición, observando su rendimiento para cada caso. 7.3.1 Detección en imágenes sin protocolo de adquisición Tabla 7. Desempeño de la herramienta automática en los puntos de excursión ocular para imágenes sin protocolo de adquisición.
Centro Lateral Nasal Inferior Superior
No. Imágenes 14 14 14 14 14
Detecciones positivas 11 8 9 8 8
Falsas detecciones 3 6 5 6 6
% Detección positiva 78,57 57,14 64,29 57,14 57,14
% Falsa detección 21,43 42,86 35,71 42,86 42,86
Tabla 8. Desempeño global de la herramienta automática para imágenes sin protocolo de adquisición.
Imágenes totales 70
Detecciones positivas 44
Falsas detecciones 26
% Detección positiva 62,86
% Falsa detección 37,14
De acuerdo a la Tabla 7 se observa que en las imágenes de centro hay mayor detección de la herramienta al no existir protocolo en la adquisición de las imágenes. El menor rendimiento de la herramienta se presenta en las imágenes de excursión lateral, inferior y superior presentando detecciones positivas del 57,14% en cada caso y para la detección de puntos correspondientes al movimiento nasal el porcentaje de detecciones positivas fue del 64,29%.
62
En términos generales hay un 62,86% de detecciones positivas y un 37,14% de detecciones negativas por lo tanto no es posible cuantificar movimientos oculares en los pacientes totalmente según lo establecido por el protocolo. 7.3.2 Detección en imágenes con protocolo de adquisición Tabla 9. Desempeño de la herramienta automática en los puntos de excursión ocular para imágenes con protocolo de adquisición.
Centro Lateral Nasal Inferior Superior
No. Imágenes 14 14 14 14 14
Detecciones positivas 14 8 12 12 12
Falsas detecciones 0 6 2 2 2
% Detecciones positivas 100 57,14 85,71 85,71 85,71
% Falsas detecciones 0 42,86 14,29 14,29 14,29
Tabla 10. Desempeño global de herramienta automática para imágenes con protocolo de adquisición.
Imágenes totales 70
Detecciones positivas 58
Falsas detecciones 12
% Detecciones positivas 82,86
% Falsas detecciones 17,14
De acuerdo a las Tablas 9 en la detección del iris para centro se alcanzaron detecciones positivas del 100%. Sin embargo es necesario profundizar más en el funcionamiento óptimo de la herramienta para movimientos laterales, ya que presenta detecciones positivas en un 57,14%, lo cual no garantiza la comparación de este movimiento en todos los pacientes, igualmente para nasales, superiores e inferiores deben controlarse factores de alineación del paciente para realizar la captura de video y deben evitarse movimientos que alteren la referencia de inicio del proceso de adquisición de las imágenes. En términos generales la herramienta muestra un mejor desempeño ya que hay un 82,86% de detecciones positivas con respecto a todas las imágenes con protocolo
63
establecido. Sin embargo se considera, habrían mejores resultados si el protocolo que fue establecido se lograra aplicar sobre todas las imágenes y no sobre algunas como ocurrió durante el desarrollo del proyecto debido a que no fue posible reunir nuevamente muestras de los pacientes o realizar tomas videográficas a nuevos pacientes. 7.3.3 Cuantificación lograda con la herramienta automática. A partir de la herramienta automática se cuantificaron los movimientos oculares de los pacientes con la finalidad de verificar el funcionamiento de la misma. Se analizaron y cuantificaron los movimientos para el paciente 2 y los siguientes fueron los resultados obtenidos. Para ver resultados por paciente debe remitirse al Anexo C. Tabla 11. Cuantificación de movimientos oculares en paciente 2
Movimientos
Ojo derecho (mm) Control
Ojo izquierdo (mm) Caso
Resolución (mm/pixel)
Laterales 4,932 2,603 0,1370
Nasales 1,781 1,370
Superiores 2,466 1,781
Inferiores 4,795 0,274
De acuerdo a las medidas obtenidas del paciente 2 se observa la movilidad alcanzada para los movimientos laterales, nasales, inferiores y superiores. Estos corresponden al análisis realizado para el paciente 2 teniendo en cuenta protocolo de adquisición de imágenes. Se concluye que por medio de estas medidas el especialista puede determinar la evolución del paciente después de una intervención, procedimiento o proceso, y tomar las decisiones que considere pertinentes según sea el caso para la evolución del paciente. Para verificar el correcto funcionamiento de la herramienta fue calculado el error absoluto y relativo en las mediciones bajo un patrón específico, cuyos resultados se encuentran contenidos en el Anexo E.
64
8. CONCLUSIONES Las condiciones de adquisición presentaron buenas características para el diseño
y automatización de la herramienta elaborada, se controlaron algunos factores
dentro del proceso de captura, pero igualmente es posible la utilización de la
herramienta sin modificar condiciones del lugar en donde se realice la captura
permitiendo un menor control de factores externos y proporcionando a los
especialistas mayor familiaridad con la herramienta sistemática.
Inicialmente se implementó una herramienta manual para la cuantificación de
movimientos oculares, la cual es de gran utilidad cuando no se cuentan con
buenas condiciones de adquisición y el especialista realiza el examen al paciente.
Presenta una gran desventaja debido a que es altamente dependiente del éxito del
operador para la ubicación del centro del iris durante los movimientos de las
posiciones de mirada objetivo.
El diseño de un protocolo de adquisición en el proceso de captura resultó
importante por las características de la imagen obtenida y posteriores etapas de
procesamiento digital de imágenes, este protocolo fue diseñado durante el
desarrollo del proyecto.
Para el diseño de la herramienta sistemática fue de gran importancia seleccionar
métodos que garantizaran buenas etapas de filtrado y segmentación de las
regiones oculares de interés, con la finalidad de disminuir errores de detección y
medición, teniendo así una herramienta más efectiva y con menor susceptibilidad
a factores de ruido.
De acuerdo al histograma deseado de la imagen que permite dar pie al proceso de
automatización de la herramienta, debería ser considerado el estudio de
transductores de entrada que permitieran obviar etapas de filtrado disminuyendo
tiempos de ejecución de la herramienta.
65
Realzar el contraste fue considerado como pilar fundamental del diseño de la
herramienta, este proceso involucro un ajuste de rango dinámico y la realización
de una expansión del histograma de la imagen. Con esto se garantizó aplicar las
etapas siguientes encontrando en la imagen únicamente el iris del paciente.
El estudio de técnicas de filtrado sobre las imágenes verifico el correcto
funcionamiento de la herramienta automática al tener una imagen con menores
objetos de ruido y con una región facial definida sobre la imagen se obtuvo una
muy buena localización de las características morfológicas del iris para el proceso
de detección.
Teniendo en cuenta cada una de las etapas de un sistema de visión artificial y la
conclusión de cada uno de los procesos definidos e involucrados para desarrollar
la herramienta propuesta se diseño e implemento una herramienta sistemática
para la cuantificación de movimientos oculares en pacientes con anoftalmo
congénito o adquirido.
La interacción de una interfaz computacional permite relacionar datos que
provienen de un paciente y cuantificar su evolución antes y después de una
intervención, proceso o procedimiento, agilizando procesos y recursos médicos.
Por lo cual se concluye importante la etapa de visualización de las imágenes del
paciente y su movimiento logrado.
El funcionamiento de la herramienta fue verificado al igual que el protocolo de
adquisición diseñado para los pacientes con anoftalmo congénito o adquirido,
teniendo en cuenta no solo el funcionamiento de esta para imágenes adquiridas
bajo protocolo de adquisición sino también para imágenes que fueron adquiridas
sin protocolo alguno, esto con el objetivo de diseñar una herramienta mas
generalizada y con una menor cantidad de factores a controlar.
El sistema presenta una limitación para verificar movimientos oculares teniendo en cuenta un estándar único para software de movimiento ocular, sin embargo fue establecido un patrón en la herramienta para verificar la medición en el eje horizontal.
66
9. RECOMENDACIONES Implementación de la herramienta en tiempo real considerando los factores involucrados dentro del proceso del desarrollo de este proyecto. Considerar la realización de estudios poblacionales relacionados con pacientes de anoftalmo congénito o adquirido para determinar parámetros evolutivos satisfactorios de un procedimiento que garantice su homogeneidad facial teniendo en cuenta la edad como factor de crecimiento. Trabajar con imágenes bajo factores totalmente controlados en el protocolo de adquisición de las imágenes y determinar la validación de la herramienta automática teniendo en cuenta una muestra más grande de la población objeto de interés dentro de un marco geográfico definido. Explorar áreas del procesamiento digital de imágenes para desarrollar la herramienta automática permitiendo la omisión del control de algunos factores como iluminación, encuadre y características de las imágenes haciendo de ésta un método diagnostico poco susceptible al cambio. Utilizar un patrón bajo medidas certificadas en el eje vertical para disminuir errores en la medición y obtener mayor confiabilidad en los resultados arrojados por la herramienta.
Realizar procesos de diseño para aseguramiento meteorológico del diseño en
software para calibración en 2D (coordenadas de los pixeles en la imagen) y 3D
donde generalmente es necesario construir un calibrador debido a las
proyecciones generadas en la imagen.
67
BIBLIOGRAFÍA
[1] Alba J.L, Martín F, Cid J. Colorimetría y captura de imagen [en línea].
Universidad de Vigo, Universidad Carlos III. España, 2006. [Consultado el
12 de noviembre de 2011]. Disponible en internet:
http://www.gts.tsc.uvigo.es/pi/Colorimetria_Captura.pdf
[2] Alemañy J. Villar R. Oftalmología. Ed. Ciencias médicas. La Habana, 2003.
[3] Azpiroz J, Medina V, Lerallut J-F. Procesamiento de imágenes biomédicas. Universidad Autónoma Metropolitana, unidad izatapalapa, Cap. 3. México, D.F, 2000.
[4] Birke S. Ocular service. [Consultado el 20 de julio de 2012]. Disponible en
internet http://www.ocular-service.com/html/fabricacion_y_material.html
[5] Bolon, J.-MCP. Analyse d'images: Filtrage et segmentation. Masson. Paris, 1995.
[6] Boyd M, Carmaciu D, Giannaros F, Payne T, Snell William. Iris Recognition [en línea]. MSc Computing Science Group Project. Imperial College London, 2-12. London, 2010. [Consultado 23 de febrero de 2012]. Disponible en internet: http://projectiris.co.uk/final.pdf
[7] Camargo L, Caldas ML, Neira M, Sarmiento L. Utilización de análisis de imágenes para cuantificar células dendríticas S100 positivas en piel con lepra. Biomédica, vol 23, número 002, 131-133. 2003.
[8] Carpio I. Campo visual. Ed. Ciencias médicas. La Habana. 2006.
68
[9] Consejo de enfermería de la comunidad Valenciana. Imtexma. [Consultado
el 19 de julio de 2012]. Alicante. 2000. Disponible en internet
http://www.bibliotecadigitalcecova.com/contenido/revistas/cat6/pdf/libro_18.
[10] De Landaluce O. Ortóptica. Ed. Ciencias médicas. La Habana. 2006.
[11] Discapacidad Colombia. Diagnóstico "Discapacidad en Colombia: Retos para la inclusión en Capital Humano” [en línea]. Colombia, 2010. [Consultado 10 de octubre de 2011]. Disponible en http://www.discapacidadcolombia.com/modules.php?name=Content&pa=showpage&pid=210.
[12] FitzPatrick DR. Anophthalmia and microphthalmia. Orphanet Journal of Rare Diseases 2:47. 2007.
[13] Fraile R.A. El electrooculograma [en línea]. Sociedad Española de Electromedicina e ingeniería clínica. Premios SEEIC. 2007. [Consultado el 21 de Octubre de 2011]. Disponible en http://www.seeic.org/sociedad/premio/premio.htm.
[14] Gila L., Villanueva A., Cabeza R. Physiopathology and recording techniques of ocular movements. An. Sist. Sanit. Navar; 32 (Supl. 3): 9-26, 2009.
[15] Gonzales A, Martínez J, Pernía A, Alba F, Castejón M, Ordieres J, Vergara E. Técnicas y algoritmos básicos de visión artificial. Universidad de la rioja. España, 2006.
[16] González, R; Woods, R. Tratamiento digital de imágenes. Editorial Díaz Santos y Addison Wesley Iberoamericana. Wilmington, Delaware. USA, 1996.
69
[17] Hernández R. Fernández C, Baptista P. Metodología de la investigación. McGraw-Hill, Cuarta edición. México D.F, 2006.
[18] INSTITUTO COLOMBIANO DE NORMAS TÉCNICAS y CERTIFICACIÓN. Trabajos escritos: presentaciones y referencias bibliográficas. NTC 1486. Sexta actualización. Santafé de Bogotá, D.C.: ICONTEC, p. 24. 2008.
[19] Jovicich J. Beg, M.F. Pieper, S. Priebe, C. Miller, M.M. Buckner, R. Rosen, B. Biomedical Informatics Research Network: integrating multi-site neuroimaging data acquisition, data sharing and brain morphometric processing. Computer-Based Medical Systems, 2005. Proceedings. 18th IEEE Symposium. 2005.
[20] Mejia I. Extracción Automática de Características Faciales para el Estudio Antropométrico en Niños entre 5 y 10 Años de la Ciudad de Manizales. Trabajo de grado ingeniera electrónica. Manizales: Universidad nacional de Colombia. Facultad de ingeniería, 2004. 95 p.
[21] Metaxas D. Stone M. DeCarlo, D. An anthropometric face model using variational techniques, Proc. SIGGraph, 1998.
[22] Muñoz C. Campimetría. Mapfre, canal salud. [Consultado el 20 de julio de
2012]. Colombia. Disponible en internet
http://www.mapfre.com/salud/es/cinformativo/campimetria.shtml
[23] Navas M.D, Hernández S.J. Anoftalmía y microftalmía: descripción, diagnostico y conducta de tratamiento. Revisión bibliográfica. Rev Mex Oftalmol: Julio – Agosto; 82(4): 205 – 209. 2008.
[24] Oftalmología privada. Perimetría computarizada. [Consultado el 19 de julio
de 2012]. Montevideo, Uruguay. Disponible en internet
http://www.oftalmologiaprivada.com/innovanet/macros/TextContentWithMen
u.jsp?contentid=45&channel=innova.net.
70
[25] Segura LS, Pérez J,C, Mendiola RC, Ocampo MLA, Jiménez A,R. Dinámica de crecimiento celular de beta vulgaris l. cultivada in vitro mediante análisis digital de imágenes y de la dimensión fractal. Interciencia; 36(5):392-6. 2011.
[26] Sony Corporation. Manual de instrucciones, videocámara digital HD, HVR Z1E. 2005.
[27] Tamayo M.L. Bernal J. Alteraciones visuales y auditivas de origen genético.
Pontificia Universidad Javeriana. Colombia. 1998.
[28] Ulrich K. Eppinger S. Diseño y desarrollo de productos. McGraw-Hill, Tercera edición. México D.F, 2004.
[29] Universidad de Jaén. Segmentación, transformada de Hough [en línea]. 2006. [Consultado 6 de Febrero de 2012]. Disponible en Internet: http://www4.ujaen.es/~satorres/practicas/practica4_vc.pdf
[30] U.S National Library of Medicine. National Institutes of Healt. Marzo de
2012. [Consultado 21 de Julio de 2012]. Disponible en internet:
http://www.nlm.nih.gov/medlineplus/spanish/eyesandvision.html
[31] Young, D. Hough transform for circles [en línea]. University of Sussex. 2010. [Consultado 24 de Octubre de 2011]. Disponible en internet: http://www.mathworks.com/matlabcentral/fileexchange/26978-hough-transform-for-circles
71
ANEXOS
Anexo A. Acta de consentimiento informado
CONSENTIMIENTO INFORMADO PARA PERSONAS DESTINADAS A HACER PARTE DEL ESTUDIO PARA CUANTIFICAR MOVIMIENTOS OCULARES EN
NIÑOS QUE PRESENTAN ANOFTALMO CONGÉNITO O ADQUIRIDO UNIVERSIDAD AUTÓNOMA DE OCCIDENTE
PROTOCOLO No.1: Consentimiento informado. Cali, Septiembre 8 de 2011
INVESTIGADOR 1: Valentina Corchuelo G.
DIRECCIÓN: Cll 25 # 115 - 85
TELEFONO: 3188000 ext. 11300
El grupo de trabajo le solicita respetuosamente participar en el proyecto Diseño e implementación de un protocolo y herramienta sistemática para la cuantificación de movimientos oculares en pacientes con anoftalmo congénito o adquirido, las características del estudio son las siguientes:
Del procedimiento a usar en el estudio es necesario:
Tener disponibilidad de máximo 10 minutos para realizar la toma de un video.
Se realizará la filmación de los movimientos oculares, indicando los movimiento que debe realizar.
El proceso de preparación dura aproximadamente 5 minutos y la filmación tiene una duración máxima de 5 minutos.
Deberá suministrar información de su edad y el tiempo que ha trascurrido después de la intervención.
La naturaleza de este procedimiento es de no invasión.
De los riesgos generales y específicos se comprende:
Para el estudio presente existe un riesgo mínimo, por lo cual no se presentarán peligros potenciales a la integridad física ni psicológica.
Del material personal producto de la investigación se comprende:
El estudio es realizado con el fin de identificar patrones de movilidad ocular, para lo cual se realizarán algunos registros de los movimientos máximos logrados
72
lateralmente y verticalmente. La información confidencial de los participantes será manejada solamente por los investigadores adscritos al proyecto y se trabajará con ella durante el tiempo que dure la investigación. El acceso a la información confidencial está regulado por el Departamento de Registro Académico de la Universidad Autónoma de Occidente y la Clínica de Oftalmología de Cali. No es objeto de esta investigación realizar tratamientos correctivos de patologías oculares. El paciente puede obtener información cuantitativa relacionada con los movimientos oculares logrados al finalizar la investigación; además esta información puede ser de utilidad en futuras decisiones clínicas. No se brindaran beneficios económicos a quienes participen de este estudio.
Con respecto a lo anterior, expreso y autorizo en forma libre, voluntaria y bajo mi responsabilidad, realizar el estudio en mi hijo(a) y que el material sea estudiado por los investigadores a cargo del proyecto para completar el estudio.
Nombre ______________________ Documento No. _______________________
Nombre del menor______________ Documento No. _______________________
En caso de cualquier inquietud o irregularidad comunicarse con el Comité de Ética de la Universidad Autónoma de Occidente, al número telefónico 3188000 ext 11300.
_______________________ _________________________________
FIRMA DEL PACIENTE FIRMA DEL PADRE O ACUDIENTE
T. I. C. C. ________________________ __________________________________
FIRMA DEL INVESTIGADOR FIRMA DE UN TESTIGO
C. C. C. C.
73
Anexo B. Cuantificación de movimientos oculares a partir de la herramienta
manual.
Movimientos laterales
Control Caso
No. Paciente
Ojo derecho
Lateral (mm)
Ojo izquierdo
Lateral (mm)
Porcentaje
Alcanzado (%)
Porcentaje
Pos-pre (%)
1 pos 5,620 8,021 70
2 pre 8,489 0,472 5,56
0,59 2 pos 8,796 0,541 6,15
3 pre 0,798 2,741 29,11
26,67 3 pos 4,174 7,483 55,78
4 pos 5,747 2,117 36,84
5 pos 1,817 4,612 39,40
6 pre 7,614 2,986 39,22
26,81 6 pos 8,151 5,382 66,03
7 pre 1,385 6,646 20,84
29,16 7 pos 3,198 6,396 50,00
8 pos 12,127 1,665 13,73
9 pre 12,943 5,507 42,55
53,75 9 pos 17,136 16,501 96,29
74
Movimientos nasales
Control Caso
Derecho Izquierdo Porcentaje Porcentaje
No. Paciente Nasal (mm) Nasal (mm) Alcanzado (%) Pos-pre (%)
1 2,679 14,574 18
2 pre 6,698 3,490 52,11
2 pos 7,849 5,142 65,51 13,41
3 pre 1,713 2,234 21,64
3 pos 2,302 7,916 29,08 7,44
4 4,234 2,117 50,00
5 1,677 6,848 24,49
6 pre 7,764 2,389 30,77
6 pos 6,92 2,768 40,00 9,23
7 pre 1,800 5,815 30,95
7 pos 3,936 6,151 63,99 33,04
8 6,064 5,588 92,15
9 pre 20,103 2,478 12,33
9 pos 26,021 7,933 30,49 18,16
75
Movimientos superiores
Control Caso
Derecho Izquierdo Porcentaje Porcentaje
No. Paciente Superior (mm) Superior (mm) Alcanzado (%) Pos-pre (%)
1 0,629 2,535 24,813
2 pre 5,565 0,283 6,536
2 pos 4,330 1,488 34 27,829
3 pre 0,419 0,456 5,29
3 pos 1,439 7,916 18,2 12,888
4 3,932 1,815 46,160
5 2,655 4,752 55,87
6 pre 4,181 0,448 9,398
6 pos 4,7672 0,615 12,90 3,50
7 pre 3,323 6,923 64,32
7 pos 3,323 5,166 64,32 0,00
8 1,993 0,206 10,34
9 pre 13,494 8,262 61,23
9 pos 14,279 9,203 64,45 3,22
76
Movimientos inferiores
Control Caso
Derecho Izquierdo Porcentaje Porcentaje
No. Paciente Inferior (mm) Inferior (mm) Alcanzado (%) Pos-pre (%)
1 5,248 6,357 82,555
2 pre 10,376 3,585 34,551
2 pos 7,713 4,061 52,651 18,100
3 pre 0,952 1,713 10,022
3 pos 3,886 9,499 40,910 30,887
4 6,654 5,747 86,369
5 1,257 6,988 17,988
6 pre 8,212 2,389 29,092
6 pos 5,689 2,768 48,66 19,56
7 pre 1,800 8,584 20,97
7 pos 3,198 5,535 57,78 36,81
8 6,539 5,469 83,64
9 pre 12,392 3,855 31,11
9 pos 19,357 9,837 50,82 19,71
77
Anexo C. Desempeño por paciente y cuantificación
Paciente 1
Posquirúrgico con protocolo
Cuantificación de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Control
Ojo izquierdo (mm)
Caso
Resolución
(mm/píxel)
Laterales N.D 1,96 0,1299
Nasales 6,37 1,94
Inferiores 1,29 0,13
Superiores 3,38 2,73
78
Paciente 2
Sin protocolo
Pre quirúrgico sin protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Control
Ojo izquierdo (mm)
Caso
Resolución
(mm/píxel)
Laterales N.D 1,408 0,1408
Nasales 2,112 N.D
Inferiores 5,491 1,18
Superiores 2,534 N.D
79
Con protocolo
Posquirúrgico con protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Control
Ojo izquierdo (mm)
Caso
Resolución
(mm/píxel)
Laterales 4,932 2,603 0,1370
Nasales 1,781 1,370
Inferiores 2,466 1,781
Superiores 4,795 0,274
80
Paciente 3
Sin protocolo
Pre quirúrgico sin protocolo
Datos de movilidad ocular en el paciente.
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales N.D 2,895 0,0386
Nasales 0,077 N.D
Inferiores 0,502 N.D
Superiores N.D 2,162
81
Con protocolo
Posquirúrgico con protocolo
Datos de movilidad ocular en el paciente.
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales 1,918 3,014 0,1370
Nasales 1,644 5,891
Inferiores N.D 3,562
Superiores 4,795 8,631
82
Paciente 4
Con protocolo
Posquirúrgico con protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales 0,405 N.D 0,1351
Nasales 3,107 3,513
Inferiores 1,621 N.D
Superiores 3,242 N.D
83
Paciente 5
Sin protocolo
Posquirúrgico sin protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales N.D 2,878 0,1370
Nasales 0,822 4,384
Inferiores N.D 3,014
Superiores 3,151 N.D
84
Paciente 6
Sin protocolo
Pre quirúrgico sin protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales 2,639 N.D 0,1389
Nasales 2,639 N.D
Inferiores N.D 5,556
Superiores 1,250 5,001
85
Con protocolo
Posquirúrgico con protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales 2,942 N.D 0,1471
Nasales 0,147 N.D
Inferiores 0 2,942
Superiores 1,029 3,383
86
Paciente 7
Sin protocolo
Pre quirúrgico sin protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales N.D N.D 0,1408
Nasales 3.661 N.D
Inferiores N.D N.D
Superiores N.D N.D
87
Con protocolo
Posquirúrgico con protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales N.D N.D 0,1695
Nasales N.D 1,187
Inferiores 1,017 1,865
Superiores N.D 2,204
88
Paciente 8
Con protocolo
Posquirúrgico con protocolo
Datos de movilidad ocular el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales 2,648 N.D 0,1379
Nasales 0,147 3,825
Inferiores 1,618 1,029
Superiores 4,413 5,296
89
Paciente 9
Sin protocolo
Pre quirurgico sin protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales 0,456 N.D 0,0365
Nasales 0,109 N.D
Inferiores N.D N.D
Superiores 0,767 N.D
90
Sin protocolo
Posquirúrgico sin protocolo
Datos de movilidad ocular en el paciente
Movimientos
Ojo derecho (mm)
Caso
Ojo izquierdo (mm)
Control
Resolución
(mm/píxel)
Laterales 0,368 N.D 0,1379
Nasales 1,361 N.D
Inferiores 0,662 N.D
Superiores 1,938 N.D
91
Anexo D. Manual de usuario MODET
Manual de usuario
2012
MODET®
92
CONTENIDO
1. INTRODUCCIÓN 3
2. FICHA TÉCNICA 4
3. FUNCIONES DEL SISTEMA 6
4. PROTOCOLO DE ADQUISICIÓN DE IMÁGENES 9
93
1. INTRODUCCIÓN MODET es un herramienta de diagnostico no invasiva destinada a cuantificar movimientos oculares de pacientes de acuerdo a 4 posiciones diagnosticas de mirada; lateral o temporal, nasal, inferior y superior. Los valores obtenidos podrán ser utilizados como medio diagnostico por parte del especialista en el campo oftalmológico para obtener una variable cuantitativa de la evolución del paciente tras un procedimiento, el movimiento máximo alcanzado en cada uno de los casos se presentara al especialista para su análisis en mm.
Por medio de este manual usted podrá conocer las funciones del programa y características de operación para una exitosa evaluación del paciente. NOTA: Adicionalmente para utilizar el programa usted deberá tener en cuenta un protocolo de adquisición de imágenes para una correcta operación.
94
2. FICHA TÉCNICA DEL SISTEMA
NOMBRE: MODET
DESCRIPCIÓN GENERAL:
Este sistema permite cuantificar movimientos máximos alcanzados por el paciente objeto de estudio para cuatro (4) posiciones de mirada específicas, a partir de imágenes adquiridas previamente, muestra al especialista el valor obtenido en mm. Es necesario previamente obtener las imágenes para el diagnostico de acuerdo a un protocolo de adquisición de imágenes establecido, el cual está contenido en el aparte 4 de este manual.
REQUISITOS BÁSICOS DEL ORDENADOR:
Sistema operativo: Windows XP Service Pack 3, Windows XP x64 Edition Service Pack 2, Windows Server 2003 R2 Service Pack 2, Windows Vista Service Pack 2, Windows Server 2008 Service Pack 2 or R2, Windows 7. A 32 bits mínimo. Procesador: Cualquier procesador Intel o AMDx86. Tarjeta grafica: Resolución mínima 1024 x 720. Disco duro: 320 GB.
PERSONAL ENCARGADO:
Especialistas del campo oftalmológico.
Técnicos en imágenes
Ingenieros biomédicos
RESTICCIONES DE USO:
Pacientes con ausencia de globo(s) ocular. No apto para uso en menores de 1 año.
95
CARACTERISTICAS DEL SISTEMA:
Utiliza 5 imágenes para la cuantificación del movimiento ocular.*
1. Calibración
2. Lateral
3. Nasal
4. Inferior
5. Superior
El rango de edad para un funcionamiento óptimo es entre 7 y 13 años de edad.
Puede calcular los movimientos máximos alcanzados manualmente en caso de no estar de acuerdo con los valores obtenidos automáticamente.
La manipulación del sistema deberá ser únicamente por personal del área de la salud, preferiblemente por personal del área oftalmológica.
96
3. FUNCIONES DEL SISTEMA
Pantalla de visualización principal: Por medio de esta pantalla usted podrá visualizar imágenes y obtener la resolución.
Panel de calibración: En el panel de calibración usted podrá obtener la resolución de acuerdo a un patrón de medida. La calibración debe ser realizada cargando la imagen de calibración establecida en el protocolo de adquisición de imágenes, posteriormente esta imagen se visualizará en la pantalla de visualización principal y deberá seguir las instrucciones indicadas en está.
Panel de calculo: Al accionar el campo calcular movimientos se inicia el calculo de los movimientos máximos alcanzados por el paciente, usted deberá seleccionar las imágenes de Lateral, Nasal, Inferior y Superior ubicando en cada uno de los casos los exocantos (Ver figura 2) del paciente.
Panel de visualización: Por medio de este panel obtendrá los resultados de los movimientos alcanzados por el paciente como fueron establecidos en el protocolo de adquisición de imágenes.
97
El programa le pregunta si los resultados obtenidos son los esperados para lo cual usted tendrá dos opciones de respuesta.
Para el caso de una respuesta afirmativa el programa mostrara un cuadro de dialogo indicándole que puede continuar operando el programa con el siguiente paciente.
Para el caso de una respuesta negativa el programa le ofrece la opción de calcular manualmente la distancia máxima alcanzada por el paciente ubicando el centro del iris en forma manual y obteniendo de esta manera nuevos resultados.
Pasos para ejecutar la herramienta automática:
1. Realizar la calibración leyendo por medio del programa la imagen de calibración establecida en el protocolo.
Para realizar calibración:
1. Con el cursor deberá dar CLICK en la parte superior izquierda de la regla de calibración, posteriormente dar otro CLICK en la parte inferior derecha de la regla de calibración, finalizando con ENTER. Preferiblemente seleccione una región de 1 cm.
2. A continuación deberá marcar dos puntos con el cursor, como en el numeral anterior; ubicando estos paralelamente para una distancia de 1 mm, finalice este paso presionando la tecla ENTER.
2. Cálculo de movimientos:
Por medio del panel de cálculo usted podrá acceder al cálculo de los movimientos máximos alcanzados por el paciente, para ejecutarlo deberá tener en cuenta los siguientes pasos:
1. Cargar imágenes teniendo en cuenta el orden de conformación del protocolo así:
1. Centro
2. Lateral
3. Nasal
4. Inferior
5. Superior
98
2. Usted visualizará las imágenes en pantalla y deberá seleccionar el exocanto (Ver Anexo) en cada una de las imágenes del paciente, dando CLICK primero en el exocanto derecho, después en el exocanto izquierdo y finalizando con la tecla ENTER. Al finalizar con todas las imágenes estas se cerraran automáticamente.
3. Por medio del panel de visualización usted podrá visualizar los resultados obtenidos seleccionando la opción del movimiento que desee visualizar.
Pasos para ejecutar la herramienta manual:
1. Realizar la calibración leyendo por medio del programa la imagen de calibración establecida en el protocolo.
Para realizar la calibración:
1. Con el cursor deberá dar CLICK en la parte superior izquierda de la regla de calibración, posteriormente dar otro CLICK en la parte inferior derecha de la regla de calibración, finalizando con ENTER. Preferiblemente seleccione una región de 1 cm.
2. A continuación deberá marcar dos puntos con el cursor, como en el numeral anterior; ubicando estos paralelamente para una distancia de 1 mm, finalice este paso presionando la tecla ENTER.
2. Ubicar el centro del iris manualmente en las imágenes.
Para ubicar el centro del iris en las imágenes:
1. Seleccione las imágenes teniendo en cuenta el siguiente orden:
1. Centro
2. Lateral
3. Nasal
4. Inferior
5. Superior
Cada una de estas imágenes se mostrará en pantalla y usted deberá ubicar recortar la imagen con CLICK en un punto superior al inicio de la imagen y
99
terminando con CLICK en un punto en la parte inferior de la imagen, para finalizar el recorte de la imagen presión la tecla ENTER.
Sobre las imágenes recortadas deberá ubicar con el cursor y marcar con CLICK el centro del iris en la imagen del paciente iniciando siempre con el ojo derecho y finalizando con el ojo izquierdo, al finalizar presione la tecla ENTER.
Al finalizar la ubicación de los centros del iris el programa mostrará los resultados obtenidos en el panel de visualización.
100
4. PROTOCOLO DE ADQUISICION DE IMÁGENES
Antes de iniciar con el proceso de captura debe tener en cuenta los siguientes aspectos:
Para iniciar la captura de video el paciente debe estar en una posición estática, preferiblemente sentado para evitar movimientos de la cabeza durante el proceso de captura de imágenes.
El paciente debe apoyar la cabeza en una superficie que limite el movimiento de sus músculos para que de esta manera solo mueva las posiciones de mirada durante la evaluación clínica.
El especialista, personal de la salud o la persona encarga de la realización del examen debe situarse frente a la persona a una distancia mínima de 60 cm del paciente.
El especialista o la persona encarga de la realización del examen debe utilizar un objeto y moverlo a una velocidad constante en dirección de los movimientos de las posiciones diagnosticas de mirada, para no tener errores en la evaluación del movimiento en el paciente.
Realizar captura con cámara de video, preferiblemente obtener una resolución de 1720x720.
Controlar factor
Utilizar trípode para la grabación estática Controlar factor
Realizar ajuste de balance de blancos. Reflejar luces de iluminación para disminuir ruidos sobre el iris.
Controlar factor
Controlar la distancia mínima entre la videocámara y el motivo para obtener enfoque nítido con el zoom. Dependiendo del transductor de entrada, debe referirse al manual.
Controlar factor
Tomar como objeto de análisis puntos específicos de la excursión ocular. Máximos movimientos alcanzados en lateral, nasal, superior e inferior.
Controlar factor
Al iniciar la toma de cada video realizar calibración con un patrón bajo de medidas certificadas.
Controlar factor
Relacionar datos del paciente antes de realizar la captura de video.
Controlar factor
101
Figura 1. Imágenes de conformación del protocolo.
a) Calibración b) Centro
c) Lateral d) Nasal
e) Inferior f) Superior
Figura 2. Ubicación de puntos antropométricos faciales, exocantos (ex).
Fuente [Mejia I. Extracción Automática de Características Faciales para el Estudio Antropométrico en Niños entre 5 y 10 Años de la Ciudad de Manizales. Trabajo de grado ingeniera electrónica. Manizales: Universidad nacional de Colombia. Facultad de ingeniería, 2004. 95 p.]
102
Anexo E. Error absoluto y relativo de la herramienta de medida.
El error aleatorio fue calculado para la herramienta diseñada debido a que los
errores relacionados con el software son errores difíciles de controlar, de acuerdo
a los resultados obtenidos se consignaron los datos en la tabla 1 y 2, se calculo el
error absoluto y relativo del instrumento de medida.
Para las medidas horizontales se cálculo el valor medido al obtener la media
aritmética de los valores medidos, por lo cual el valor medido fue 10.1919
(+0,5725 -0,5725). Con base en este valor fue obtenido el error absoluto y el
porcentaje de error relativo del instrumento de medición diseñado para
movimientos laterales y nasales.
Tabla 1
Medidas horizontales (mm) Error absoluto (mm) Error relativo (%)
10,1335 -0,0583 -0,5725
10,2502 +0,0584 +0,5725
10,1335 -0,0583 -0,5725
10,2502 +0,0584 +0,5725
Para las medidas verticales se cálculo el valor medido al obtener la media
aritmética de los valores medidos, por lo cual el valor medido fue 5.9527
(+19,1453 -19,2225). Con base en este valor fue obtenido el error absoluto y el
porcentaje de error relativo del instrumento de medición diseñado para
movimientos inferiores y superiores.
Tabla 2
Medidas verticales (mm) Error absoluto (mm) Error relativo (%)
4,8084 -1,1443 -19,2225
5,0092 -0,9434 -15,8492
6,9007 +0,9481 +15,9265
7,0923 +1,1397 +19,1453
