FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS CARRERA DE ...repositorio.ug.edu.ec/bitstream/redug/39555/1/B-CISC-PTG-1610... · Ciencias Matemáticas y Físicas de la Universidad de

UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS

CARRERA DE INGENIERÍA EN SISTEMAS

COMPUTACIONALES

DESARROLLO DE UNA INTERFAZ WEB EDUCATIVA PARA LA

IDENTIFICACIÓN DE PIEZAS DENTALES EN PERSONAS ADULTAS.

PROYECTO DE TITULACIÓN

Previa a la obtención del Título de:

INGENIERO EN SISTEMAS COMPUTACIONALES

AUTOR:

ANASTACIO VILLÓN KATHERINE EVELYN

SAVERIO CHICHANDA EDUARDO ARIEL

TUTOR:

Ing. Lorenzo Cevallos Torres, M. Sc

GUAYAQUIL – ECUADOR

2019

REPOSITORIO NACIONAL EN CIENCIAS Y TECNOLOGÍA

FICHA DE REGISTRO DE TESIS

DESARROLLO DE UNA INTERFAZ WEB EDUCATIVA PARA LA IDENTIFICACIÓN DE PIEZAS DENTALES EN PERSONAS ADULTAS.

AUTORES: Katherine Evelyn Anastacio Villón Eduardo Ariel Saverio Chichanda

REVISORES: Ing. Alfonso Guijarro Rodríguez, M.gs.

INSTITUCIÓN: UNIVERSIDAD DE GUAYAQUIL

FACULTAD: CIENCIAS MATEMÁTICAS Y FÍSICAS

CARRERA: INGENIERÍA EN SISTEMAS COMPUTACIONALES

FECHA DE PUBLICACIÓN: N° DE PÁGS.: 110

ÁREA TEMÁTICA:

PALABRAS CLAVES: Red neuronal, algoritmo, PDI, interfaz, piezas dentales, dientes.

RESUMEN: La detección de piezas dentales ha sido un estudio de profundidad ya que es una tecnología en

la que interviene la visión artif icial. Para realizar la descripción de una pieza dental, se hicieron algunos procesos

entre ellos el entrenamiento y extracción de patrones, mediante el uso de algoritmos de redes neuronales artif iciales

y procesamiento digital de imagen. De tal modo que a trávez de una imagen, se puede facilitar la búsqueda de datos

por medio de las técnicas del PDI la cual procesa y examina la imagen para luego obtener con exactitud patrones

generales de la pieza dental, una vez que ya tenga los patrones se entrenó para identif icar las características de la

pieza dental. Sin embargo el objetivo de este trabajo es crear una interfaz gráfica que le permita al usuario la

identif icación de cada pieza dental por medio de imágenes, detectando lo dientes reconocidos en la imagen ya sea

de forma manual o automática y la interfaz w eb educativa permitirá al usuario conocer características, funciones de

la pieza dental.

N° DE REGISTRO: N° DE CLASIFICACIÓN:

Nº

ADJUNTO PDF SI NO

CONTACTO CON AUTOR:

Katherine Evelyn Anastacio Villón TELEFONO: 0969054837

EMAIL: [email protected]

CONTACTO CON AUTOR:

Eduardo Ariel Saverio Chichanda TELÉFONO: 0939631287

E-MAIL:

[email protected] CONTACTO DE LA INSTITUCIÓN:

Universidad de Guayaquil

Facultad de Ciencias Matemáticas y

Físicas

Carrera de Ingeniería en Sistemas

Computacionales

Dirección: Víctor Manuel Rendón 429 y

Baquerizo

Moreno, Guayaquil.

NOMBRE:

Ab. Juan Chávez Atocha, Esp.

TELÉFONO: (04) 2 307729

x

III

APROBACIÓN DEL TUTOR

En mi calidad de tutor de trabajo de investigación, “Desarrollo de una interfaz web

educativa para la identificación de piezas dentales en personas adultas.” elaborado por

los Srs. Anastacio Villón Katherine Evelyn y Saverio Chichanda Eduardo Ariel, alumnos

no titulados de la Carrera de Ingeniería en Sistemas Computacionales, Facultad de

Ciencias Matemáticas y Físicas de la Universidad de Guayaquil, previo a la obtención

del titulado de Ingeniería en Sistemas Computacionales, me permito declarar que luego

de haber orientado, estudiado y revisado, la Apruebo en todas sus partes.

Atentamente

Ing. Lorenzo Cevallos Torres, M. Sc

TUTOR

IV

DEDICATORIA

Este trabajo de titulacion, va

dedicado a mis padres por siempre

apoyarme, orientarme y guiarme

durante toda mi vida estudiantil. A

todos las personas que fui

conociendo durante el camino a lo

largo de la jornada universitaria. A

los docentes que compartieron sus

conocimientos durante toda mi

carrera

Katherine Evelyn Anastacio Villón

Dedico el siguiente proyecto de

titulación a Dios por darme sabiduría

y fuerza en los momentos más

difíciles durante mi carrera

profesional. A mis padres, Eduardo

Enrique Saverio, Rosa Chichanda

Alcívar quienes me han brindado su

apoyo incondicional durante todo este

tiempo

Eduardo Saverio Chichanda

V

AGRADECIMIENTO

Agradezco a Dios por haber culminado esta

etapa profesional. A mis padres Miriam

Villón Asencio y Franklin Anastacio Cruz

que son mis pilares fundamentales tanto en

lo económico me ayudaron, aun sin tener se

esforzaron para yo sea alguien en la vida y

ser el ejemplo a mis hermanas.


Agradezco de manera especial a mi

Tía Hilda Chichanda por las palabras

y consejos que me brindo; las cuales

me ayudaron terminar mis estudios a

mi compañera de tesis Katherine

Anastacio quien ha sido de gran

apoyo durante el desarrollo del

proyecto de titulación.

Eduardo Saverio Chichanda

VI

TRIBUNAL DE PROYECTO DE TITULACIÓN

Ing. Gustavo Ramírez Aguirre, M.Sc.

DECANO DE LA FACULTAD

CIENCIAS MATEMATICAS Y FISICAS

Ing, Inelda Martillo Alcívar, Mgs. DIRECTOR DE LA CARRERA DE

INGENIERIA EN SISTEMAS

COMPUTACIONALES

Ing. Lorenzo Cevallos Torres, M. Sc PROFESOR TUTOR DEL PROYECTO

DE TITULACION

Ing. Alfonso Guijarro Rodríguez, M. Sc

PROFESOR REVISOR DEL

ÁREA - TRIBUNAL

Ab. Juan Chávez Atocha, Esp.

SECRETARIO

VII

DECLARACIÓN EXPRESA

“La responsabilidad del contenido de este Proyecto

de Titulación, nos corresponden exclusivamente; y

el patrimonio intelectual de la misma a la

UNIVERSIDAD DE GUAYAQUIL”

Katherine Evelyn Anastasio Villón

Eduardo Ariel Saverio Chichanda

VIII



CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES

DESARROLLO DE UNA INTERFAZ WEB EDUCATIVA PARA LA IDENTIFICACIÓN

DE PIEZAS DENTALES EN PERSONAS ADULTAS.

Proyecto de Titulación que se presenta como requisito para optar por el título de

INGENIERO EN SISTEMAS COMPUTACIONALES.

Autor: Katherine Evelyn Anastacio Villón

C.I.:0953316890

Autor: Eduardo Ariel Saverio Chichanda

C.I.: 0950775908

Tutor: Ing. Lorenzo Cevallos Torres, M. Sc

Guayaquil, Abril de 2019

IX

CERTIFICADO DE ACEPTACIÓN DEL TUTOR

En mi calidad de Tutor del proyecto de titulación, nombrado por el Consejo Directivo de

la Facultad de Ciencias Matemáticas y Físicas de la Universidad de Guayaquil.

CERTIFICO:

Que he analizado el Proyecto de Titulación presentado por los estudiantes Anastacio

Villón Katherine Evelyn y Saverio Chichanda Eduardo Ariel como requisito previo para

optar por el título de Ingeniero en Sistemas Computacionales cuyo título es: Desarrollo

de una interfaz web educativa para la identificación de piezas dentales en

personas adultas.

Considero aprobado el trabajo en su totalidad.

Presentado por:


C.I.:0953316890


C.I.: 0950775908

Tutor: Ing. Lorenzo Cevallos Torres, M. Sc

Guayaquil, Abril de 2019

X




Autorización para Publicación de Proyecto de Titulación en Formato Digital

1. Identificación del Proyecto de Titulación Nombre Alumno: Katherine Evelyn Anastacio Villón Dirección: Cdla. Socio Vivienda I Mz 6C V20

Teléfono: 0969054837 E-mail: [email protected]

Nombre Alumno: Eduardo Ariel Saverio Chichanda

Dirección: cooperativa luz de Guayas M:5 S:19

Teléfono: 0939631287 E-mail: [email protected]

Facultad: Ciencias Matemáticas y Físicas

Carrera: Ingeniería en Sistemas computacionales

Proyecto de titulación al que opta: Ingeniero en Sistemas computacionales

Profesor tutor: Ing. Lorenzo Cevallos Torres, M. Sc

Título del Proyecto de titulación: Desarrollo de una interfaz web educativa para la identificación de piezas dentales en personas adultas.

2. Autorización de Publicación de Versión Electrónica del Proyecto de

Titulación A través de este medio autorizo a la Biblioteca de la Universidad de Guayaquil y a la Facultad de Ciencias Matemáticas y Físicas a publicar la versión electrónica de este Proyecto de titulación. Publicación electrónica: Inmediata X Después de 1 año

Firma de Alumnos: ___________________________ ___________________________ Katherine Evelyn Anastacio Villón Eduardo Ariel Saverio Chichanda C.I.:0953316890 C.I.: 0950775908

3. Forma de envío: El texto del proyecto de titulación debe ser enviado en formato Word, como archivo .Doc. O .RTF y Puf para PC. Las imágenes que la acompañen pueden ser: .gif, .jpg o .TIFF.

DVDROM CDROM X

XI

ÍNDICE GENERAL

APROBACIÓN DEL TUTOR ............................................................................................ III

DEDICATORIA ................................................................................................................ IV

AGRADECIMIENTO ......................................................................................................... V

TRIBUNAL DE PROYECTO DE TITULACIÓN............................................................... VI

DECLARACIÓN EXPRESA.............................................................................................VII

CERTIFICADO DE ACEPTACIÓN DEL TUTOR............................................................ IX

ABREVIATURA ............................................................................................................. XVI

ÍNDICE DE GRÁFICOS................................................................................................ XVII

RESUMEN .................................................................................................................... XXII

ABSTRACT ...................................................................................................................XXIII

INTRODUCCIÓN .............................................................................................................. 1

CAPITULO I: EL PROBLEMA......................................................................................... 4

SITUACIÓN CONFLICTO NUDOS CRÍTICOS ............................................................... 5

CAUSAS Y CONSECUENCIAS DEL PROBLEMA ......................................................... 6

DELIMITACIÓN DEL PROBLEMA................................................................................... 7

FORMULACIÓN DEL PROBLEMA.................................................................................. 7

EVALUACIÓN DE PROBLEMA ....................................................................................... 7

OBJETIVOS ...................................................................................................................... 8

OBJETIVO GENERAL...................................................................................................... 8

OBJETIVOS ESPECÍFICOS ............................................................................................ 8

ALCANCES DEL PROBLEMA ......................................................................................... 8

JUSTIFICACIÓN............................................................................................................... 9

METODOLOGÍA DEL PROYECTO ............................................................................... 10

CAPITULO II: MARCO TEÓRICO................................................................................. 13

ANTECENDENTES DEL ESTUDIO .............................................................................. 13

FUNDAMENTACIÓN TEÓRICA .................................................................................... 13

HISTORIA DEL PDI ........................................................................................................ 14

PRINCIPIO DEL PROCEAMIENTO DIGIAL DE IMÁGENES ....................................... 15

PROCESAMIENTO DIGITAL DE IMÁGENES .............................................................. 16

ANÁLISIS DIGITAL DE IMÁGENES .............................................................................. 16

XII

PROCESAMIENTO Y ANÁLISIS DIGITAL DE IMÁGENES ......................................... 16

TIPOS DE IMÁGENES DIGITALIZADAS ...................................................................... 17

IMÁGENES RGB ............................................................................................................ 17

IMÁGENES INDEXADAS ............................................................................................... 18

IMÁGENES EN ESCALA DE GRISES .......................................................................... 18

CAVIDAD BUCAL ........................................................................................................... 23

ANATOMÍA DEL DIENTE............................................................................................... 23

DENTINA ........................................................................................................................ 25

PULPA DENTAL ............................................................................................................. 26

ENCÍA ............................................................................................................................. 26

HUESO ALVEOLAR ....................................................................................................... 26

INCISIVO ........................................................................................................................ 27

CANINOS........................................................................................................................ 27

PREMOLARES ............................................................................................................... 28

ODONTOGRAMAS ........................................................................................................ 30

VENTAJAS DE UN ODONTOGRAMA .......................................................................... 30

MATLAB.......................................................................................................................... 35

CUADRO DE HERRAMIENTAS DE PROCESAMIENTO DE IMÁGENES .................. 35

DEEP LEARNING........................................................................................................... 36

INTERFAZ WEB ............................................................................................................. 37

TIPOS DE APLICACIONES WEB.................................................................................. 37

APLICACIONES WEB PROGRESIVAS O PWA ........................................................... 38

CARACTERÍSTICAS DE UNA PWA.............................................................................. 39

BOOTSTRAP.................................................................................................................. 39

CARACTERÍSTICAS PRINCIPALES DE BOOTSTRAP ............................................... 40

SCRUM ........................................................................................................................... 40

ROLES DE SCRUM ....................................................................................................... 41

MARCO LEGAL .............................................................................................................. 42

SECCIÓN QUINTA ......................................................................................................... 42

EDUCACIÓN .................................................................................................................. 42

SECCIÓN SEGUNDA..................................................................................................... 43

TIPOS DE PROPIEDAD................................................................................................. 43

LEY DE PROPIEDAD INTELECTUAL..................................................................... 45

XIII

LEY ORGÁNICA DE EDUCACIÓN SUPERIOR, LOES ......................................... 47

SOBRE EL USO DEL SOFTWARE LIBRE ............................................................. 49

PREGUNTA CIENTÍFICA A CONTESTARSE................................................................ 50

DEFINICIONES CONCEPTUALES ................................................................................ 50

BASE DE DATOS ............................................................................................................ 51

HTML ............................................................................................................................... 51

PHP .................................................................................................................................. 52

CSS .................................................................................................................................. 52

CAPITULO III: PROPUESTA TECNOLÓGICA ............................................................ 53

TIPOS DE INVESTIGACIÓN ......................................................................................... 54

ANÁLISIS DE FACTIBILIDAD ........................................................................................ 54

FACTIBILIDAD TÉCNICA .............................................................................................. 54

FACTIBILIDAD OPERACIONAL .................................................................................... 55

FACTIBILIDAD LEGAL................................................................................................... 56

FACTIBILIDAD ECONÓMICA ........................................................................................ 56

ETAPAS DE LA METODOLOGÍA DEL PROYECTO .............................................. 57

REUNIONES DE PLANIFICACIÓN DE SPRINT ..................................................... 58

LISTA DE HISTORIA DE USUARIO........................................................................ 58

EL DESARROLLO DEL TRABAJO................................................................................ 58

REVISIÓN DE LOS SPRINTS ..................................................................................... 59

DIAGRAMA DE CASO DE USO ................................................................................. 65

CASO DE USO 1 ......................................................................................................... 66

CASO DE USO 2 ......................................................................................................... 67

CASO DE USO 3 ......................................................................................................... 67

CASO DE USO 4 ......................................................................................................... 68

DISEÑO E IMPLEMENTACIÓN DEL PROYECTO .................................................... 68

ALGORITMO 1: SOFTWARE DE DETECCIÓN ......................................................... 68

ALGORITMO 2: CARGA DEL CLASIFICADOR ......................................................... 69

ALGORITMO 3: PROYECCIÓN .................................................................................. 70

ALGORITMO 4: DETECTOR ...................................................................................... 71

ALGORITMO DE APRENDIZAJE DEL CLASIFICADOR ........................................... 71

ENTRENAMIENTO ...................................................................................................... 74

XIV

EXTRACCIÓN DE CARATERÍSTICAS....................................................................... 75

DIAGRAMA DE SECUENCIAS ................................................................................... 76

DETECCIÓN ................................................................................................................ 80

USO DE DEEP LEARNING EN EL PROYECTO........................................................ 81

PLAN DE PRUEBAS FUNCIONALES ........................................................................ 82

ENTREGABLES DEL PROYECTO ............................................................................... 88

CRITERIOS DE VALIDACIÓN DE LA PROPUESTA .................................................... 88

PROCESAMIENTO Y ANÁLISIS ................................................................................... 89

TÉCNICAS PARA EL PROCESAMIENTO Y ANÁLISIS DE DATOS ..................... 90

CAPITULO IV. RESULTADOS, CONCLUSIONES Y RECOMENDACIONES.......... 100

RESULTADOS.............................................................................................................. 100

CONCLUSIONES ......................................................................................................... 101

RECOMENDACIONES ................................................................................................ 102

BIBLIOGRAFÍA ............................................................................................................ 103

ANEXO I ....................................................................................................................... 113

MANUAL TÉCNICO...................................................................................................... 113

ANEXO II ...................................................................................................................... 129

MANUAL DE USUARIO ............................................................................................... 129

ANEXOS III ................................................................................................................... 139

INSTALACIÓN DE LIBRERÍAS DE TOOLBOX EN MATLAB ..................................... 139

ANEXO IV ..................................................................................................................... 142

CRITERIOS DE VALIDACIÓN ..................................................................................... 142

ANEXO V ...................................................................................................................... 144

CRONOGRAMA DE ACTIVIDADES............................................................................ 144

ANEXO VI ..................................................................................................................... 145

ACTA DE ACEPTACIÓN DEL PROYECTO ................................................................ 145

ANEXO VII .................................................................................................................... 146

ACTA DE ACEPTACIÓN.............................................................................................. 146

ANEXO VIII ................................................................................................................... 147

VALIDACIÓN Y PRUEBAS FUNCIONALES ............................................................... 147

ANEXO IX ..................................................................................................................... 148

VALIDACIÓN DE USABILIDAD ................................................................................... 148

ANEXO X ...................................................................................................................... 149

XV

CERTIFICADO DE APROBACIÓN PARA LA ENCUESTA ........................................ 149

ANEXO XI ..................................................................................................................... 150

EVIDENCIA DE LA VISITA A LA FACULTAD DE PILOTO ODONTOLOGÍA ............ 150

ANEXO XII .................................................................................................................... 151

EXPOSICIÓN DEL PROYECTO AL VICEDECANO DE LA FPO ............................... 151

XVI

ABREVIATURA

PDI: Procesamiento Digital de Imagen

RNA: Redes Neuronales Artificiales

COIP: Código Orgánico Integral Penal

MSP: Ministerio de Salud Pública

OMS: Organización Mundial de la Salud

CNN: Red Neuronal Convolucional

GPU: Unidad de Procesamiento Gráfico

FCMF: Facultad de Ciencias Matemáticas y Físicas

FOP: Facultad de Piloto Odontología

CISC: Carrera de Ingeniería en Sistemas Computacionales

RN: Red Neuronal

IA: Inteligencia Artificial

XVII

ÍNDICE DE GRÁFICOS

GRÁFICO N°1. PIEZAS DENTALES. .............................................................................. 2

GRÁFICO N°2. FASES DE LOS PROCESOS DE SCRUM.......................................... 11

GRÁFICO N°3. MÉTODO INDUCTIVO ......................................................................... 12

GRÁFICO N°4. COMPONENTES RGB......................................................................... 17

GRÁFICO N°5. BINARIA ................................................................................................ 18

GRÁFICO N°6. DETECCIÓN DE PUNTOS AISLADOS ............................................... 19

GRÁFICO N°7. DETECCIÓN DE LÍNEAS..................................................................... 19

GRÁFICO N°8. DETECCIÓN DE BORDES .................................................................. 20

GRÁFICO N°9. CAVIDAD BUCAL ................................................................................. 23

GRÁFICO N°10. ANATOMÍA DEL DIENTE................................................................... 24

GRÁFICO N°11. INCISIVOS .......................................................................................... 27

GRÁFICO N°12. CANINOS SUPERIORES E INFERIORES........................................ 28

GRÁFICO N°13. VISTA INFERIOR DE LOS PREMOLARES ...................................... 29

GRÁFICO N°14. IDENTIFICACIÓN DE LOS MOLARES ............................................. 29

GRÁFICO N°15. ODONTOGRAMA ............................................................................... 30

GRÁFICO N°16. ARQUITECTURA DE UNA RNA. ....................................................... 32

GRÁFICO N°17. ARQUITECTURA DE UNA RED NEURONAL MONOCAPA. ........... 33

GRÁFICO N°18. ARQUITECTURA DE UNA RED NEURONAL MULTICAPA. ........... 33

GRÁFICO N°19. APRENDIZAJE NO SUPERVISADO ................................................. 35

GRÁFICO N°20. ROLES, ARTEFACTOS Y EVENTOS PRINCIPALES DE SCRUM . 41

GRÁFICO N°21. DISEÑO DE LA INTERFAZ GRÁFICA .............................................. 56

GRÁFICO N°22.DIAGRAMA DE CASO DE USO ......................................................... 66

GRÁFICO N°23. DESCRIPCIÓN DEL CASO 1. ........................................................... 66

GRÁFICO N°24. DESCRIPCIÓN DEL CASO 2 ............................................................ 67

GRÁFICO N°25. CASO DE USO 3 ................................................................................ 67

GRÁFICO N°26. DESCRIPCIÓN DEL CASO 4 ............................................................ 68

GRÁFICO N°27. ALGORITMO 1: SOFTWARE DE DETECCIÓN ................................ 69

GRÁFICO N°28. ALGORITMO 2: CARGA DEL CLASIFICADOR ................................ 69

GRÁFICO N° 29. ALGORITMO 3: PROYECCIÓN........................................................ 70

GRÁFICO N°30. ALGORITMO 4: DETECTOR ............................................................. 71

XVIII

GRÁFICO N°31. MÁQUINA DE APRENDIZAJE ........................................................... 72

GRÁFICO N° 32. EJECUCIÓN DE LA RED NEURONAL ............................................ 73

GRÁFICO N°33. DETECCIÓN DE CARACTERÍSTICAS ............................................. 76

GRÁFICO N° 34. SECUENCIA PRINCIPAL.................................................................. 77

GRÁFICO N°35. DIAGRAMA DE SECUENCIA MÉTODO DE PROYECCIÓN ........... 78

GRÁFICO N°36.DIAGRAMA DE SECUENCIA DEL DETECTOR ................................ 79

GRÁFICO N° 37. USO DE DEEP LEARNIG ................................................................. 81

GRÁFICO N° 38. FLUJO DE TRABAJO PARA EL RECONOCIMIENTO DE OBJETOS .. 82

GRÁFICO N° 39.PRUEBAS FUNCIONALES SPRINT #4 ............................................ 82

GRÁFICO N° 40. PRUEBA FUNCIONALES SPRINT #4.............................................. 84

GRÁFICO N° 41. PRUEBAS FUNCIONALES SPRINT #4 ........................................... 85

GRÁFICO N° 42. PRUEBAS FUNCIONALES SPRINT #4 ........................................... 87

GRÁFICO N° 43. REPRESENTACION DE LA INTERFÁZ GRÁFICA ......................... 89

GRÁFICO N° 44. REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 1 .................... 92








GRÁFICO N° N° 52.DESCARGAR LA VERSIÓN DE MATLAB ................................. 113

GRÁFICO N° N° 53.SELECCIONAR LOGIN............................................................... 114

GRÁFICO N° N° 54.LICENCIA DE MATLAB............................................................... 114

GRÁFICO N° N° 55.REGISTRO PARA INGRESAR A MATLAB ................................ 115

GRÁFICO N° N° 56.INGRESO DE USUARIO Y CONTRASEÑA............................... 115

GRÁFICO N° N° 57.ACTIVACIÓN DE MATLAB ......................................................... 116

GRÁFICO N° N° 58.INSTALACIÓN DE MATLAB ....................................................... 116

GRÁFICO N° N° 59.SELECCIÓN DE HERRAMIENTAS A INSTALAR ..................... 117

GRÁFICO N° N° 60.CONFIRMACIÓN DE LA INSTALACIÓN ................................... 117

GRÁFICO N° N° 61.PROCESO DE LA DESCARGA.................................................. 118

GRÁFICO N° N° 62.FINALIZACIÓN DE LA INSTALACIÓN DE MATLAB ................. 118

XIX

GRÁFICO N° 63.ENCENDER CÁMARA ..................................................................... 119

GRÁFICO N° 64.CODIGO DE MATLAB PARA CAPTURAR IMAGEN ...................... 119

GRÁFICO N° 65.CARGAR IMAGEN ........................................................................... 120

GRÁFICO N° 66.CÓDIGO FUENTE HISTOGRAMA .................................................. 120

GRÁFICO N° 67.CÓDIGO FUENTE LIMPIAR ............................................................ 120

GRÁFICO N° 68 CÓDIGO DE CAVIDAD RELLENA .................................................. 121

GRÁFICO N° 69.CÓDIGO DE DILATACIÓN .............................................................. 121

GRÁFICO N° 70.CÓDIGO FUENTE DE EROSIÓN .................................................... 122

GRÁFICO N° 71.CÓDIGO FUENTE DE FILTRO TOP- HAT...................................... 122

GRÁFICO N° 72.CÓDIGO FUENTE DE FILTRO GAUSSIANO ................................. 122

GRÁFICO N° 73.CÓDIGO FUENTE DE FILTRO MEDIA ........................................... 123

GRÁFICO N° 74.CÓDIGO FUENTE DE FILTRO MEDIANO...................................... 123

GRÁFICO N° 75.CÓDIGO FUENTE DE K-MEANS .................................................... 124

GRÁFICO N° 76.CÓDIGO FUENTE DE MASCARA BINARIA ................................... 124

GRÁFICO N° 77.CÓDIGO FUENTE DE SOBEL ........................................................ 125

GRÁFICO N° 78.CÓDIGO FUENTE DE LA TRANSFORMADA DE CANNY ............ 125

GRÁFICO N° 79.CÓDIGO FUENTE DE WATERSHED ............................................. 126

GRÁFICO N° 80.CÓDIGO FUENTE DE MUESTRA DE CARACTERÍSTICAS ......... 126

GRÁFICO N° 81.CÓDIGO FUENTE DE LAS PROPIEDADES .................................. 127

GRÁFICO N° 82.CÓDIGO FUENTE DE SALIR .......................................................... 127

GRÁFICO N° N° 83.INTERFAZ GRÁFICA .................................................................. 129

GRÁFICO N° 84.SUBIR IMAGEN................................................................................ 129

GRÁFICO N° 85. HISTOGRAMA................................................................................. 130

GRÁFICO N° 86.TECNICA DE EROSIÓN .................................................................. 130

GRÁFICO N° 87.TÉCNICA FILTRO MEDIA................................................................ 131

GRÁFICO N° 88.TÉCNICA FILTRO GUASSIANO ..................................................... 131

GRÁFICO N° 89.TÉCNICA DE TOP-HAT ................................................................... 132

GRÁFICO N° 90.TÉCNICA K-MEANS......................................................................... 132

GRÁFICO N° 91.TÉCNICA WATERSHED .................................................................. 133

GRÁFICO N° 92.TÉCNICA DE CANNY ...................................................................... 133

GRÁFICO N° 93.TÉCNICA DE SOBEL ....................................................................... 134

GRÁFICO N° 94. TÉCNICA DILATACIÓN-BINARIA .................................................. 134

XX

GRÁFICO N° 95. TÉCNICA MASCARA RELLENA .................................................... 135

GRÁFICO N° 96. TÉCNICA CAVIDAD RELLENA ...................................................... 135

GRÁFICO N° 97. DETECCIÓN DE CARACTERÍSTICAS .......................................... 136

GRÁFICO N° 98. PROPIEDADES DE LA PIEZA DENTAL ........................................ 136

GRÁFICO N° 99. MUESTRA DE CARACTERÍSTICAS .............................................. 137

GRÁFICO N° 100. INTERFAZ WEB EDUCATIVA ...................................................... 137

GRÁFICO N° 101.INFORMACIÓN DE LA PIEZA DENTAL........................................ 138

XXI

ÍNDICE DE CUADROS

CUADRO N° 1.CAUSAS Y CONSECUENCIAS DEL PROBLEMA .................................6

CUADRO N° 2.IDENTIFICACIÓN DE LOS MOLARES ................................................. 25

CUADRO N° 3.COMPOSICIÓN DE LA DENTINA ....................................... 26

CUADRO N° 4.BASES LEGALES CON SUS RESPECTIVOS ARTÍCULOS ............... 56

CUADRO N° 5.COSTOS VARIOS .................................................................................. 57

CUADRO N° 6.COSTO TOTALES ................................................................................. 57

CUADRO N° 7.SCRUM DIARIOS ................................................................................... 58

CUADRO N° 8.SPRINT 1 – LEVANTAMIENTO DE INFORMACIÓN DEL PROYECTO ... 60

CUADRO N° 9.SPRINT 1 - HISTORIA DE USUARIO 1 ................................................ 60

CUADRO N° 10.SPRINT 1 - HISTORIA DE USUARIO 2 .............................................. 61

CUADRO N° 11.SPRINT 2 – DISEÑO, ELABORACIÓN DE LA INTERFAZ GRÁFICA ..... 62



CUADRO N° 14.SPRINT 4 - DESARROLLO DEL MÓDULO PARA LA DETECCIÓN ....... 63


CUADRO N° 16.SPRINT 4 – HISTORIA DE USUARIO 9 ............................................. 64

CUADRO N° 17.SPRINT 4 – HISTORIA DE USUARIO 10 ........................................... 65

CUADRO N° 18.MIEMBROS QUE CONFORMAN LAS ENCUESTAS ......................... 91

CUADRO N° 19. RESULTADOS DE LA ENCUESTA PREGUNTA N° 1 ...................... 92

CUADRO N° 20. RESULTADOS DE LA ENCUESTA PREGUNTA N° 2 ...................... 93

CUADRO N° 21.RESULTADOS DE LA ENCUESTA PREGUNTA N°3 ........................ 94

CUADRO N° 22.RESULTADOS DE LA ENCUESTA PREGUNTA N°4 ........................ 95

CUADRO N° 23.RESULTADOS DE LA ENCUESTA PREGUNTA N° 5 ....................... 96




XXII




DESARROLLO DE UNA INTERFAZ WEB EDUCATIVA PARA LA IDENTIFICACIÓN

DE PIEZAS DENTALES EN PERSONAS ADULTAS.

RESUMEN

La detección de piezas dentales ha sido un estudio de profundidad ya que es una

tecnología en la que interviene la visión artificial. Para realizar la descripción de

una pieza dental, se hicieron algunos procesos entre ellos el entrenamiento y

extracción de patrones, mediante el uso de algoritmos de redes neuronales

artificiales y procesamiento digital de imagen. De tal modo que a trávez de una

imagen, se puede facilitar la búsqueda de datos por medio de las técnicas del PDI

la cual procesa y examina la imagen para luego obtener con exactitud patrones

generales de la pieza dental, una vez que ya tenga los patrones se entrenó para

identificar las características de la pieza dental. Sin embargo el objetivo de este

trabajo es crear una interfaz gráfica que le permita al usuario la identificación de

cada pieza dental por medio de imágenes, detectando lo dientes reconocidos en

la imagen ya sea de forma manual o automática y la interfaz web educativa

permitirá al usuario conocer características, funciones de la pieza dental.

Palabras claves: Red neuronal, algoritmo, PDI, interfaz, piezas dentales, dientes.

Autores: Katherine Evelyn Anastacio Villón


Tutor: Ing. Lorenzo Cevallos Torres, M. Sc.

XXIII




DEVELOPMENT OF AN EDUCATIONAL WEB INTERFACE FOR THE IDENTIFICATION OF DENTAL PARTS IN ADULT PERSONS

ABSTRACT

The detection of dental pieces has been a study of depth since it is a technology

in which artificial vision intervenes. To make the description of a dental piece, some

processes were made, among them the training and extraction of patterns, through

the use of artificial neural network algorithms and digital image processing. In such

a way that through an image, it is possible to facilitate the search of data by means

of the techniques of the PDI which processes and examines the image in order to

obtain with exactitude general patterns of the dental piece, once it has the patterns

He trained to identify the characteristics of the tooth. However, the objective of this

work is to create a graphic interface that allows the user to identify each tooth by

means of images, detecting the teeth recognized in the image either manually or

automatically and the educational web interface will allow the user know

characteristics, functions of the dental piece.

Keywords: Neural network, algorithm, segmentation, PDI, interface, teeth, teeth.

Autores: Katherine Evelyn Anastacio Villón


Tutor: Ing. Lorenzo Cevallos Torres, M. Sc.

1

INTRODUCCIÓN

La visión artificial en los últimos años ha causado un gran impacto en el campo

científico (Infaimon, 2010); los sistemas de visión artificial han evolucionado tanto

tecnológicamente y su aplicación ha sido de gran interés para las industrias (Zion,

2012), y se ha expandidos a otras ramas como la medicina, la agricultura, entre

otras(Aperador-chaparro, Bautista-ruiz, & Mejía, 2013). Esto ha permitido cambios

beneficiosos en la forma de analizar la visión artificial, por medio de un computador

utilizando herramientas de procesamiento de imágenes para la interpretación de

procesos.

La visión por computador, también denominada visión artificial, se compone de

un conjunto de procesos que incluye métodos para procesar, analizar e interpretar

las imágenes del mundo real, con el fin de examinar resultados que puedan ser

tratados por un computador (Zion, 2012). La actividad que realiza un método de

visión artificial puede ser desde una simple detección de objetos sencillos en la

imagen, hasta la interpretación tridimensional de escenas complejas( Huerta,

2014).

En la Universidad Politécnica de Madrid se desarrolló un detector de elementos

para el videojuego Dark Souls, su objetivo era desarrollar un Sistema de Visión

Artificial para el videojuego que permita a través de escenarios de juego

capturados como imágenes en directo, dotar a un jugador autónomo de

actuaciones que le permitan aprender a jugar el juego, como resultado el sistema

es capaz de detectar y etiquetar los elementos del juego a partir de imágenes

capturadas en tiempo real. Se lo desarrollo utilizando el modelo de red neuronal

profunda denominada SSD-Mobile Net( Gamino & Sánchez, 2017).

A nivel nacional se a realizado un estudio del Reconocimiento Automático de

partituras para guitarra por medio de visión artificial y redes Neuronales Artificiales,

el propósito del proyecto fue desarrollar un software que permita la interpretación

de las partituras musicales mediante visión artificial y traducirlas a un lenguaje

gráfico que permita la interpretación de la guitarra (Varela, 2018).

2

Los procesos de reconocimiento de objetos tienen una importante tarea de

solucionar problemas asociados que llevaran a establecer las características de

los dientes, lo cual la tecnología presenta metodología de procesamiento digital

de imágenes (Magaña, Atoche & Sandoval, 2015), en la detección de objetos tiene

como alternativas técnicas de segmentación de imágenes que se han

caracterizado como el estudio de piezas dentales como se presenta en el gráfico

n°1, que tomaron como referencia la técnica de la desviación de la medicina en

conjunto con redes neuronales.

GRÁFICO N°1. PIEZAS DENTALES.

Elaborado por: Katherine Anastacio y Eduardo Saverio.

Fuente:(Thuillier, 2015).

En el actual proyecto de investigación está orientado a las técnicas de

procesamiento digital de imágenes(dientes) para poder interactuar con sistemas

informáticos y así también poder determinar con exactitud y presión las

características de cada pieza dental.

A continuación, se detallan minuciosamente los cuatro capítulos del presente

trabajo: En el primer capítulo se plantea la problemática, además del análisis de

cada uno de los nudos críticos, las causas y consecuencias, delimitación y

evaluación del problema, sin olvidar los objetivos tanto el general como los

específicos, además de los alcances, justificación e importancia.

3

En el segundo se encuentran los antecedentes de investigaciones relacionadas a

la visión artificial y a la detección de objetos, además del marco teórico, en donde

se detalla los conceptos básicos del mismo, e incluso información referente a las

características de las piezas dentales, por último, se encuentran lo que son el

marco legal, en el cual se basa la investigación, las variables y definiciones

conceptuales.

En el tercer capítulo de detalla la metodología utilizada para el presente proyecto

de investigación, además de las técnicas e instrumentos que se utilizaron para la

recolección de datos, los cuales posteriormente fueron procesados y analizados.

En el último capítulo se muestran los resultados obtenidos, así como las

conclusiones, recomendaciones y bibliografías que se emplearon para el presente

proyecto.

4

CAPITULO I

EL PROBLEMA

PLANTEAMIENTO DEL PROBLEMA

Ubicación del Problema en un Contexto

Hay diferentes tipos de características de los dientes que observamos a primera

vista, pero que están comprendido dentro de las imágenes con las que

trabajaremos. En el método de procesamiento digital de imágenes y detección de

objetos se debe apropiarse en varios enfoques con relación a la idea psicovisual

del ser humano y la detección de la pieza dental. La visión humana se enriquece

deduciendo de forma cualitativa de escenas o imágenes complejas no

estructuradas, el espectador será quien, según su pensamiento, determinara si

dicha imagen visualizada es de su agrado o no (Rosabal & Orozco, 2012).

La técnica de análisis es un campo muy amplio en el ámbito informática dado que,

el área de la ingeniería está revolucionando; hay una cantidad de características

para exprimir mucha información que sea muy útil para la caracterización de

dientes, acerca de estructuras, forma y tamaño. Podemos seleccionar las

imágenes que abarquen un gran contenido de texturas y poseen componentes

que tienen mucha variedad de formas, color y tamaños, con esto procesos se hará

muy cercano su estudio para dar resultados precisos y realizar su correcto uso en

investigaciones. Se encuentra una gran cantidad de algoritmos (métodos y

modelos) que accedan a datos de una imagen, los cuales se emplearan para

considerar ciertas las características de interés (Sanchéz,2013).

Debido a esto se realizará una interfaz web educativa que le permitirá observar

cada una de sus piezas dentales(dientes), determinando así todas sus

características como la forma, tamaño y contextura basándonos en fotos e

imágenes de adultos, para obtener resultados claros, precisos y veraz.

5

SITUACIÓN CONFLICTO NUDOS CRÍTICOS

El estudio y procesamiento de información de los diferentes campos el mayor

problema es el de la ingeniería, pues los datos que se seleccionan y alcanzan en

diferentes tareas decisivamente se puede seguir tratando para que la información

sea útil y de calidad. La fragmentación digital cambia o sintetiza la muestra de la

imagen en diferente a la anterior y da otra más significativa que por defecto es

mucho más fácil de analizarla; para especificar los límites de una imagen, cada

píxel encontrado nos dará características, color, intensidad, tamaño o la textura.

Para la detección, selección y manipulación de objetos se aplicará un algoritmo

idóneo que detecte objetos sin afectar la postura en la que este localizada la

imagen, haciendo uso de información de color, y tratando de reducir la influencia

de sombras y brillos que aparecen formando parte de información acromática

presente en las imágenes capturadas; en base a esta necesidad se plantea el uso

del algoritmo surf que es rápido y detecta homogéneamente los puntos de interés

(Atoche, Magaña & Sandoval, 2015).

Debido a el requisito de visualizar una fotografía surge un problema al momento

de ser examinada. Por lo tanto es importante que en la imagen podamos procesar

una salida de la información, útil reconocer que clase de inconvenientes tienen la

imagen para tener la oportunidad de ser examinada, y separar la información que

nos dé información muy relevante.

6

CAUSAS Y CONSECUENCIAS DEL PROBLEMA

CUADRO N° 1.CAUSAS Y CONSECUENCIAS DEL PROBLEMA


Fuente: Elaboración propia.

Causas Consecuencias Entrenar al algoritmo de la red

neuronal con imágenes de alta

calidad.

Obtener con mayor precisión la

detección de cada pieza dental

Poco entendimiento de técnicas de

PDI aplicadas al estudio de la

cavidad bucal

Escasas herramienta para la

detección de objetos

Limitados sistemas para la detección

de imágenes

Limitados algoritmo de detección de

objeto

Desinterés de herramientas

tecnológicas para el estudio de la

cavidad bucal

Pérdida de competitividad

Procedimientos de almacenamiento

de imágenes

Orden en los registros de la base de

datos del archivo

El limitado ingreso de recursos

financieros

Desinterés por adquirir herramientas

tecnológicas de procesamiento de

imagen

Limitado conocimiento social sobre

la importancia de las piezas dentales

Complicación en la salud bucal

7

DELIMITACIÓN DEL PROBLEMA

Campo: Tecnología

Área: Procesamiento Digital de imágenes e Identificador de

objetos.

Aspecto: Análisis de piezas dentales.

Tema: Desarrollo de una interfaz web educativa para la

identificación de piezas dentales en personas adultas.

FORMULACIÓN DEL PROBLEMA

¿Cómo el desarrollo de una interfaz web educativa permitirá la identificación de

piezas dentales en personas adultas?

EVALUACIÓN DE PROBLEMA

Los aspectos generales de evaluación son:

Claro: Programar una aplicación gráfica que permita la identificación de piezas

dentales de la cavidad bucal con fines formativos.

Concreto: Identificación de piezas dentales con sus características rotuladas.

Relevante: Una vez que este desarrollado la interfaz gráfica, será de gran aporte

para el campo de la odontología que podría beneficiar de manera oportuna al

momento de detectar cada una de las piezas dentales que existen dentro de la

cavidad bucal del ser humano.

Contextual: Se basa en algoritmos para la detección de piezas dentales que se

plantea con el uso de las redes neuronales y resaltar cada una de las

características que proyecten en una imagen.

Factible: Es factible porque nuestro clasificador ayuda a la búsqueda de

caracterizaciones de cada diente para adquisición para el desarrollo de distintas

áreas en el campo de la investigación.

8

Delimitado: El inconveniente es en que no observamos a primera vista ciertas

imágenes, pero pueden ser visualizadas gracias a un computador, que serán

obligadas a ser analizadas mediante un estudio para poder extraer información.

OBJETIVOS

OBJETIVO GENERAL

Desarrollar una aplicación informática que identifique pieza dental de personas

adultas mediante herramientas open source para contribuir en el proceso de

reconocimiento de objetos.

OBJETIVOS ESPECÍFICOS

• Diseñar una interfaz gráfica que muestre el caracterizado de las piezas dentales

para personas adultas.

• Crear una Base de datos de información para catalogar las piezas dentales en

función de los odontogramas.

• Aplicar la metodología de desarrollo scrum para modelar las interfaces que

complementan la detección de objetos.

• Generar reportes que den a conocer la cantidad de iteraciones que realizan las

redes neuronales artificiales como clasificador de objetos en la tarea de

reconocimiento de piezas dentales.

ALCANCES DEL PROBLEMA

• Crear una interfaz gráfica utilizando herramientas open source que optimicen el

tiempo de desarrollo, y seleccionar un algoritmo de identificación de objetos como

modelo para el reconocimiento de cada uno de los dientes en personas adultas.

• Seleccionar fotografías de alta calidad de cada diente de la cavidad bucal de un

adulto, y posteriormente clasificarlas por nombre como etiqueta para el

entrenamiento de la red neuronal.

9

• Se implementará una metodología ágil de desarrollo para controlar el

cumplimiento de las interfaces que se realizarán en este proyecto se dispondrá

del uso de un tablero que facilita la planificación, revisión, continuidad de cada uno

de los procesos.

• Entrenar el algoritmo de red neuronal por medio de un grupo de imágenes de cada

una de las piezas dentales, generando diversos reportes de las características de

cada conglomeración de archivos de imágenes.

• Implementar diversas pruebas utilizando algoritmos de redes neuronales,

cambiando los parámetros de detección al momento de entrenar las

características de cada base de datos de las imágenes de cada diente

JUSTIFICACIÓN

Teniendo en cuenta a la gama de dientes que tiene la cavidad bucal de un adulto

tenemos la importancia de describir sus características a partir de criterios de

clasificación de los dientes. El reto más grande es identificar cada pieza de la

cavidad bucal de un adulto, para ello se debe determinar con la herramienta de

procesamiento de imagen y la utilización de algoritmos de detección de objetos.

A través de metodologías experimentales como el procesamiento digital de

imágenes (PDI) se pretende realizar un análisis textural de imágenes de piezas

dentales, procurar caracterizar piezas dentales basándose en la recopilación de

imágenes, llevando a cabo una serie de procesos de aprendizaje en una red

neuronal comúnmente llamada entrenamiento permitiendo identificar con mayor

exactitud las piezas dentales, se busca determinar las características de los

dientes.

El presente trabajo, podemos colaborar con las diversas áreas de la ingeniería

facilitando con una herramienta precisa para su mayor fiabilidad y mejor

identificación de imágenes por medio de la segmentación de imagen y detección

de objeto.

10

METODOLOGÍA DEL PROYECTO

METODOLOGÍA SCRUM

Para el desarrollo de este proyecto se utilizará la metodología SCRUM la cual es

una metodología ágil cuyo fin es minimizar los riesgos a la hora de desarrollar las

actividades programadas como se muestra en el gráfico n° 2.

Esta metodología se compone principalmente de las siguientes etapas:

• Planificación del sprint: Esta reunión se realiza al principio de cada Sprint

y se define como va a estar enfocado el proyecto que viene del Producto

Backlog las etapas y los plazos, Cada Sprint este combinado por diferentes

features.

• Trabajo diario: es una temporal reunión que se elabora a diario mientras

dura el tiempo en que se realiza el Sprint. Se contesta individualmente tres

interrogantes: ¿Qué hice ayer?, ¿Qué voy a hacer hoy?, ¿Qué ayuda

necesito? El SCRUM Master debe tratar de solucionar los problemas que

se presentan en el transcurso de todo el proyecto.

• Revisión del sprint: se inspecciona el Sprint terminado y ya debería mostrar

resultados de un avance claro y evidente para mostrarle al cliente como se

va avanzando en el desarrollo del producto.

• Retrospectiva del sprint: El equipo examina los objetivos terminados del

Sprint cumplido, Se registra lo bueno y lo malo que se ha efectuado en el

desarrollo del Sprint, para no volver repetir los errores. Con el objetivo de

perfeccionar su productividad y la calidad del producto que se está

planteando.

11

GRÁFICO N°2. FASES DE LOS PROCESOS DE SCRUM

Elaborado por: Katherine Anastacio y Eduardo Saverio

Fuente: (Isla Visual.,2012)

Diseño Metodológico

El marco estratégico establecido por los métodos, técnicas (procedimientos), e

instrumentos que se emplearán en la ejecución del proyecto de investigación para

disponer a prueba la hipótesis, alcanzar los objetivos de investigación, y así dar

una solución al problema de investigación.

La presente investigación pretende demostrar los factores que contribuyen al

procesamiento digital de imágenes. Revisaremos informes, artículos de revistas y

tesis doctorales de consultaremos sitios web (Google Académico, Dialnet,

Redalyc, biblioteca virtual, entre otros).

Histórico Lógico

Este método se refiere a que en la sociedad los problemas o fenómenos no se

presentan de una manera dificultosa ya que su resultado es un largo proceso que

los origina motiva o da lugar a su existencia, Esta evolución de otra parte no es

rigurosa o repetitiva de manera similar, va cambiando de acuerdo a las

Lista de requisitos,

características,

historias,...

El equipo solucionara a partir

los requisitos cuando pueda

componerse para

entregar el sprint.

Aportaciones de los equipos de

los ejecutivos, equipo, clientes,

usuarios y partes interesadas

12

determinadas expresiones o tendencias que le ayuda a interpretar de manera

secuencia (Sosa, 2015).

Metodología Descriptiva

En el ámbito de recolección de información utilizaremos la metodología descriptiva

que radica es conocer las situaciones, costumbres y actitudes predominantes a

través de la descripción exacta de las actividades, objetos, procesos y personas.

Método Inductivo

Con este método se analiza y se conoce las características generales que se

evidencia en una agrupación de objetivos para realizar una propuesta o ley

científica de índole universal. (…) El método inductivo proyectar un razonamiento

ascendente. (…) Puede analizarse que la inducción es un producto lógico y

metodológico de la utilidad del método comparativo (Abreu, 2014, p. 200).

GRÁFICO N°3. MÉTODO INDUCTIVO

Elaborado por: Katherine Anastacio y Eduardo Saverio. Fuente: (Zapata, 2014).

Método Deductivo

Este método permite poder determinar aquellas propiedades que adquiere una

realidad que se descubre como objeto de estudio ya sea por “derivación o

resultado de los atributos o aquellos enunciados contenidos en proposiciones o

leyes científicas de carácter general formuladas con anterioridad” (Abreu, 2014, p.

200).

13

CAPITULO II

MARCO TEÓRICO

ANTECENDENTES DEL ESTUDIO

El procesamiento digital de imágenes es un conjunto de métodos que se adapten

a las imágenes digitales con el propósito de perfeccionar su cualidad, mientras

tanto que el estudio de imágenes que comprende aquellos métodos cuyo principal

propósito es permitir la búsqueda y análisis de información comprendida en ellas.

Por lo tanto se menciona que el procesamiento de imágenes y la detección de

objetos contiene una serie de métodos que interpretan procedimientos de una

imagen y como resultado una imagen tratada y analizada.

Un sistema para la detección de objetos en una imagen y una evaluación profunda

permitirá obtener buenos resultados, cada región extraída debe ser caracterizada

mediante un vector de propiedades que permita la identificación eficiente del

objeto. En base a una segmentación de imágenes y a las profundidades

calculadas, se detectan los objetos buscados. Se puede encontrar una gran

variedad de formas de clasificación de las técnicas pertenecientes a esta área de

la ingeniería.

FUNDAMENTACIÓN TEÓRICA

A continuación, del tema investigativo se describen conceptos teóricos para el

ámbito informático, de la cual podrá adquirir conocimientos acerca de

terminologías y definiciones básicas que sean lo suficientemente importante para

destacar dentro del tema a desarrollar.

14

HISTORIA DEL PDI

Dentro de la historia de la computación el procesamiento digital de imágenes se

manifiesta que antes de considerar en ello, se consideraba evolucionar el

hardware y todos los sistemas operativos que posibiliten hacer representaciones

gráficas. Es decir, que los algoritmos y métodos de optimización han considerado

ser transformados para el crecimiento de procesamiento digital de imágenes ya

que son muy complejos. En la actualidad se manifiesta demasiadas aplicaciones

muy referentes al software que le proporciona un procesamiento digital de

imagen, para ello utilizan algoritmos y procedimientos que de gran beneficio para

toda la sociedad que laboran en ello (Domínguez, 2016).

El procesamiento digital de imágenes fue trasmitido y codificado por un cable

submarino las cuales fueron edificadas por un receptor terminal con un

equipamiento complejo de impresión, las cuales participo New York y Londres

para esparcir uno de sus magníficos modelos de procesamiento digital de

imágenes. Su función del método de gráficas difundidas por cable entre los

periodos 1920 y 1930 las imágenes solicitan una duración de tiempo para lograr

transportarla a través del océano (Domínguez, 2016).

Los problemas que se exhibieron en décadas atrás, al querer modernizar las

fotografías emitidas para tener una importancia visual, se encontraban

vinculadas con varias técnicas de recopilación de impresión y asignación de

diferentes horizontes para la perfección de la imagen. La transferencia de

fotografías de varios métodos elementales en cinco fases diferentes de brillantez

eran competentes para transmitirlos por cable.

Los ordenadores digitales tenían la capacidad de restaurar y procesar las

imágenes por programas ya que a partir de ello fueron descubriendo el

procesamiento digital de imagen, en 1929 se amplió a 15 niveles, de manera que

el desarrollo de difusión se elevó cuantiosamente mientras que la preparación

de placas fílmicas en un método; estos se daban por rayos de luz que eran

pronunciadas por una fotografía codificada, si bien uno de las mejores técnicas

para observar imágenes digitales permanecieron por más de 35 años. (García,

2015).

15

El PDI (Procesamiento digitales de imágenes) por medio de ordenadores tuvo

sus orígenes en 1964 por Jet Propultion Laboratory, las imágenes de la Luna

fueron tratadas por un ordenador para reparar sus diferentes figuras de

distorsiones relacionados con una técnica para la captura de imágenes. Estos

métodos ayudaron como soporte para enriquecer las técnicas ya utilizadas para

la restauración y clarificar las imágenes, hicieron sistemas que fueron empleados

en la nave Surveyor (Ruiz, 2012).

PRINCIPIO DEL PROCEAMIENTO DIGIAL DE IMÁGENES

Comprendamos que el PDI se conforma por la utilización de un ordenador digital,

por lo cual están profundamente conectados los uno de los otros. Para ello hay

precedentes que aportan información muy importante para comentar sobre el

tema a tratar.

Las representaciones gráficas digitales se facilitaron para una de las primeras

prácticas que se dieron en las aplicaciones industriales en los países New York

y Londres en la época de los veinte se exportaban imágenes por medio de cables

submarinos. La técnica nominada Bartlane consistía en máquinas potentes

especializadas en la interpretación y reconstrucción de fotografías para ser

observadas por el cable (Alvarado, 2015).

Las fotografías médicas son procesamiento de desarrollo equivalente durante

los años 60 y 70. El descubrimiento en los años 70 era el de la tomografía axial

computarizada, este fue uno de los primeros inventos en poner en práctica el

PDI de evaluación. La tomografía axial se puede interpretar por medio de una

fuente de rayos X, la cual se conoce por medio del paciente y acumulan un

margen opuesto, las imágenes son correspondiente a la rama médica (Alvarado,

2015).

Durante los años sesenta los ordenadores han desarrollado del PDI pasos

extraordinarios ya que sus algoritmos comenzaron a tener una importancia, lo

pusieron a utilizar para el estudio de la contaminación de figuras de satélites con

fotografías antiguas que restablecen artefactos desintegrados con el tiempo; por

16

medio de equipos para la tecnología de red apoyados del internet se han

desarrollo con total conformidad lo antes visto en el crecimiento del PDI.

PROCESAMIENTO DIGITAL DE IMÁGENES

El procesamiento de imágenes digitales existe varios métodos la cual su único

propósito es el de mejorar su calidad. Agrupa una gran cantidad de métodos para

comprender procedimientos desde el origen de una imagen, y el producto final

es otra. El pixel en una imagen de producto final que puede estar en función de

mayor interés de la imagen ingresada.

El propósito de estos métodos es analizar o examinar una imagen, de tal manera

que sea conveniente de la imagen original, para alguna utilidad en específica. El

intervalo en específico es fundamental, porque dispone que el beneficio del

resultado este a cargo de la incógnita que se trata. De modo que, una técnica es

conveniente para elaborar un modelo de imagen que no pueda serlo para otras.

ANÁLISIS DIGITAL DE IMÁGENES

El ADI se origina de la evolución, comprendidas como el conjunto de operaciones

matemáticas ya sea de datos o información comprendida de una imagen.

Comprende de algunos métodos cuyo propósito es examinar y aclarar la

información comprendida en ellas. Un estudio de imágenes se diferencia ya que

contiene parámetro de ingreso de una imagen y cuyo resultado es usualmente

es numérica (Rogerio-Candelera & Linares, 2015).

PROCESAMIENTO Y ANÁLISIS DIGITAL DE IMÁGENES

La definición del procesamiento y análisis digital de imágenes está enfocado en

multi-disciplinas ya sea en el área de la ingeniería la cual se representa

mediante un ordenador la cual su función será de procesar, analizar, caracterizar

y extraer información de una imagen digital para una retroalimentación visual y

así darle una mejor una interpretación humana (Ortíz, 2013).

17

TIPOS DE IMÁGENES DIGITALIZADAS

El PDI utiliza cuatro muestras de imágenes que son las siguientes: imágenes

RGB, imágenes en escala de grises, imágenes binarias, imágenes indexadas,

las que explicaremos a continuación;

IMÁGENES RGB

Las imágenes RGB su significado es (Red-rojo, Green-verde, Blue-azul) este tipo

de imagen se define con un arreglo de 3 x M x N en pixeles. El principal objetivo

de la imagen RGB es el reconocer, su modelo ya que así es la demostración de

imágenes en dispositivos eléctricos tales como Tablet, ordenadores, celulares,

etc.

GRÁFICO N°4. COMPONENTES RGB

Elaborado: Katherine Anastacio y Eduardo Saverio

Fuente: (Maxwell, 2015).

IMÁGENES BINARIAS

Las imágenes binarias solo se representan con dos valores muy

significativos que son 0 o 1, normalmente se los interpreta en una

herramienta muy conocida en el ámbito tecnológico como lo es en Matlab

para los arreglos lógicos, la cual nos permite almacenar la imagen con

transparencia.

18

GRÁFICO N°5. BINARIA


Fuente: (Valle, 2016).

IMÁGENES INDEXADAS

Este formato se almacena dos matrices, la cual la primera matriz conserva el

mismo tamaño que el de la original y una cifra para cada píxel. La segunda matriz

consta de un mapa de color y su tamaño pertenece a la misma cantidad de

colores que quiere que sea de su agrado.

IMÁGENES EN ESCALA DE GRISES

Es un tipo de formato la cual se consta de una matriz de M x N, por lo cual cada

píxel es una representación importante ya q contiene un reporte muy relevante

de la imagen. También denominada escala de intensidades o escala

monocromática.

SEGMENTACIÓN DE IMÁGENES

Es un estudio de imágenes para localizar una clase de piezas dadas. Para

aclarar la incógnita, mediante un modelo matemático de estos elementos, se

extrae parámetros indispensables y pretender apreciar las diferentes zonas de

la imagen con características específicas de acuerdo a su forma o color de la

imagen.

Los algoritmos de segmentación de imagen demuestran que una estas dos

características básicas en el nivel valores grises: discontinuidad o similitud entre

los niveles de gris de pixeles cercanos.

19

Discontinuidad: este algoritmo consta en la división de la imagen demostrando

cambios bruscos de niveles de la escala de gris, como son: Detección de Líneas,

Detección de puntos aislados y la detección de bordes.

Detección De Puntos Aislados

Es una forma muy clásica al momento de aplicar el filtro laplaciano(máscara), es

decir si en una imagen tiene un tono gris se distingue de las zonas cercanas de

ese mismo tono pixelado. De manera que un píxel es un punto aislado.

GRÁFICO N°6. DETECCIÓN DE PUNTOS AISLADOS


Fuente:(Roncagliolo, 2016).

Detección De Líneas

Para la detección de líneas en una imagen se localiza un pixel de ancho para si

poder utilizar una máscara de laplaciano. Por lo tanto para determinar una

dirección se necesita encontrar los pixeles en forma de líneas horizontales,

verticales o diagonales, para tener resultado ante cualquier mascara.

GRÁFICO N°7. DETECCIÓN DE LÍNEAS


Fuente:(Roncagliolo, 2016).

20

Detección De Bordes

Un borde es un conjunto de pixeles de borde adyacentes, ya que si se presenta

un cambio dificultoso en una de sus características la dirección varia

gradualmente, en la cual se llega a una deducción manipulando la derivación de

un píxel que pertenece a un borde.

GRÁFICO N°8. DETECCIÓN DE BORDES


Fuente: (Roncagliolo, 2016).

TÉCNICAS DE PRE-PROCESAMIENTO DE IMAGEN

Erosión Binaria

La técnica de erosión binaria interpreta en la dilatación de componentes que está

constituida por la estructura de una imagen. El crecimiento de regiones está

delimitado por medio de un radio, esto posibilita que, si un elemento que engloba

a la imagen no concuerda con el radio, esta presenta la imagen original, y se

dilatará.

Filtro de la Media

Filtro de la media es una técnica que se fundamenta en la visita de cada uno de

los pixeles que constituye la imagen. Esta técnica es considerada como uno de

21

los filtros más sencillo ya que con ello se puede reducir las posibles variaciones

de intensidad que puede existir entre los pixeles vecinos.

Filtro Mediana

El filtro se emplea cuando la imagen a tratar presenta un ruido aleatorio, con la

finalidad de poder distinguir aquellos pixeles que cuentan con distintos niveles de

intensidad que se denomina en los pixeles más cercanos. Por lo tanto, esto

facilitara poder establecer el valor de la mediana a cada punto de la imagen, de

tal manera generara una imagen nueva.

Filtro Gaussiano

Este filtro tiene una semejanza con el filtro de la media, por lo que se diferencia

tras el uso de una máscara distinta al proceder con la aplicación, por lo tanto su

principal propósito es disminuir la distorsión de la imagen.

TÉCNICAS DE PORCESAMIENTO DE IMAGEN

TRANSFORMADA DE TOP – HAT

Es una técnica de segmentación que permite mostrar aquellas estructuras de la

representación gráfica que han sido excluidas durante el procedimiento de

apertura o cierre, a través de ese proceso nos proporciona filtrar la imagen que se

puede examinar tanto el residuo de la apertura morfológica y la identidad de la

imagen original una vez ya haya sido procesada (González, 2010).

La función que se utilizará en la transformada Top-Hat se halla definida de la

siguiente manera:

Fórmula 1. Transformada top-hat

𝑇𝑑𝐹𝐵(𝑓) = 𝑓 − (𝑓)𝐵

Donde (𝑓)𝐵 representa la apertura.

22

TRANSFORMADA DE K-MEANS

La transformada es un método que se lo conoce como algoritmo de Lloyd en el

campo de la informática es un método, el cual consiste en clasificar un conjunto

de elementos en base a propiedades de estos de forma iterativa. El algoritmo fue

creado por Stuart Lloyd en el año 1957, fue creado como una técnica para

modulación por impulsos codificados (López & Luna, 2014, p. 2). Este método es

utilizado para llevar a cabo la transformación de segmentación de imagen (López

& Luna, 2014).

TRANSFORMADA DE WATERSHED

Es una técnica de procesamiento morfológica resistente por medio de ello nos

proporciona llevar a cabo la segmentación de imagen, a través de esta técnica de

segmentación de imagen basada en regiones, el mismo que se adapta a las

diferentes muestras de imágenes a tal punto que es capaz de distinguir elementos

complejos que generalmente no pueden ser procesados correctamente mediante

algoritmos comunes (González, Rodríguez, & Orozco, 2017, p. 138).

TRANSFORMADA CANNY

El algoritmo de la transformada Canny es una técnica de segmentación, empleado

para la detección de bordes que existen dentro de una representación gráfica. Sin

embargo el presente algoritmo es reconocido como el más destacado en los

métodos de detección de bordes, se debe a la utilidad de máscaras de convolución

por lo que está basado en la primera derivada (Valverde, 2007, p. 2). El algoritmo

de Canny cuenta con las siguientes fases:

• Obtener el gradiente.

• Supresión no máxima.

• Histéresis de umbral.

• Cerrar los bordes que hayan quedado abiertos por el ruido (Valverde,

2007).

23

TRANSFORMADA SOBEL

La transformada de Sobel es una técnica de segmentación, que se aplica dentro

del procesamiento digital de imágenes, esta técnica nos facilita el cálculo de la

intensidad y la gradiente de la ilustración adquirida por medio de cada pixel la cual

se compone de la imagen, de esta manera facilita la obtención de bordes para

mostrar los oportunos cambios bruscos que se pueden haber efectuado, además

de presentar la dirección ya sea de forma horizontal como vertical (Gálvez, 2014).

CAVIDAD BUCAL

La cavidad bucal es la parte principal que conforma el sistema digestivo, donde su

principal función es el ingreso de alimentos. Entre las principales partes de la

cavidad bucal tenemos los labios superior e inferior, lengua, órgano del sentido

del gusto, y las piezas dentales, desempeñando diversas funciones como la

sonrisa, lenguaje, expresiones faciales entre otros, no solo limitándose a la

alimentación, sino también a la comunicación a través de la pronunciación

(Ceballos, 2013). Como se contempla en el gráfico.

GRÁFICO N°9. CAVIDAD BUCAL


Fuente: (Campos, 2012).

ANATOMÍA DEL DIENTE

Un diente está compuesto por una sección visible y una sección no visible que se

localiza en la mucosa bucal encima del hueso. Cuando el diente está

completamente sano, la fracción visible está compuesta de la llamada corona. La

fracción más extensa de la pieza dental se halla cubierta y está formada por el

24

cuello ubicado bajo la encía y la raíz de cada diente, que se combina al maxilar a

través del periodonto. Existen piezas dentales unirradiculares (dientes de una sola

raíz) como por ejemplo los incisivos, y multirradiculares (dientes de múltiples

raíces), como los premolares; las muelas del maxilar inferior poseen dos raíces

mientras que las del maxilar superior poseen comúnmente tres raíces (Onmeda,

2012).

GRÁFICO N°10. ANATOMÍA DEL DIENTE


Fuente: (Galvan, 2016).

ESMALTE

Es esmalte es el único tejido de origen osteoblástico, siendo la sustancia más dura

que posee el cuerpo humano. Su aspecto es traslucido brillante que recubre la

corona de cada pieza dental y su principales características es proteger la dentina

del medio bucal, si llegase a desgastar el esmalte dental este no podrá

regenerarse perdiéndose de por vida esto permitirá atraer enfermedades como las

caries, gingivitis, periodontitis entre otros (Silverty, 2014).

25

CUADRO N° 2. IDENTIFICACIÓN DE LOS MOLARES Composición química Valor porcentual

Fosfato de calcio y fluoruros 89.89%

Carbonato de calcio 4.30%

Fosfato de magnesio 1.34%

Otras sales 0.88%

Cartílago 3.39%

Grasa 0.20%


Fuente:(Niwa, 2007).

EL endurecimiento del esmalte dental aumenta de adentro hacia afuera a medida

que avanza la edad de la persona. Además, el esmalte está compuesto por

prismas entrelazados por una sustancia interprismática, cuya fortaleza es menor

que la de los prismas. Esto se confirma histológicamente descalcificando una

pieza dental consumida o desgastado en el cual microscópicamente se contempla

que la sustancia interprismática ha sido atacada por el ácido que producen las

bacterias (Mendez, 2006).

DENTINA

La dentina o también llamada sustancia de marfil, representa la mayor cantidad

de cada diente, cada pieza dental está compuesto mayormente por la dentina, su

desarrollo se lo conoce como dentinogénesis, siendo células llamadas

odontoblastos que se dedican a la fabricación de la dentina. Entre los

componentes que constituyen este tejido se localiza el colágeno y las moléculas

citoplasmáticas, se destaca por presentar un cubrimiento de tejido viviente y

túbulos que están conectados al nervio del diente. Si se origina una reducción de

las encías , la dentina queda expuesta generando trastornos como la sensibilidad

dental (Pérez & Gardey, 2017).

26

CUADRO N° 3. COMPOSICIÓN DE LA DENTINA


Fuente:(Orellana, 2013).

PULPA DENTAL

La pulpa es un tejido laxo conjuntivo, que posee vasos sanguíneos de pared

delgados, no contiene fibras elásticas, está compuesto por fibras colágenas,

células y fibras nerviosas. Esta cavidad se disminuye con la edad por desarrollo

dentinal que invade progresivamente la pulpa, representando que la cavidad

pulpar de un joven será más amplia que la de una persona mayor. Cabe destacar

que esta cavidad es la principal responsable que permite la construcción del

esmalte y la dentina a su vez es un tejido blando que se ajusta a la forma que

posee cada pieza dental (Castillo, 2015).

ENCÍA

La encía dental se la define como un tejido mucoso grueso que une el epitelio que

cubre cada diente. Su principal función es sostener a los dientes en los huesos

maxilares, recubre a cada pieza dental evitando que los microbios y bacterias

afecten a la raíz, tiende a tener un color rosa, cuando observamos en la encina

presenta un tono rojizo y esta inflamada esto es causa de enfermedades bucales

como la gingivitis, para esto se recomienda tener un buen cepillado en cada aseo

bucal (Pichel & Delgado, 2013).

HUESO ALVEOLAR

El hueso alveolar se lo denomina al hueso de la mandíbula que forma y reviste los

alveolos o cuencas de cada diente. Es un tejido conjuntivo en la que se mantiene

las raíces de los dientes, esta calcificadas y compactas con múltiples

perforaciones, a través de las cuales pasan los nervios, vasos linfáticos y los vasos

27

sanguíneos. Entre las principales funciones se encuentra la distribución y

absorción de las fuerzas generadas por la masticación y otros contactos dentarios

.Otra función del hueso alveolar es suministra los alveolos para que cada pieza

dental se sujete a ellos a través de las fibras periodontales protegiendo a los

nervios y vasos sanguíneos del ligamento periodontal (Galdames, 2017).

INCISIVO

Normalmente son los tipos de dientes que primero aparecen en la cavidad

bucal entre los 6 meses de edad y se posicionan entre los 6 y 8 años de

edad, en total son 8 dientes que se visualizan en la parte delantera (cuatro

en la zona inferior de la boca y cuatro en la zona superior), cabe destacar

que los incisos superiores son más grandes que los incisos inferiores, su

principal función radica en cortar los alimentos en trozos más pequeños

(Seiro, 2017).

GRÁFICO N°11. INCISIVOS


Fuente:(Muñoz, 2016).

CANINOS

Los caninos son 4 piezas dentales que comúnmente se los llaman “colmillos”, son

dientes que aparecen entre los 16 y 20 meses (1 o 2 años de edad), en la dentición

permanente los caninos inferiores aparecen entre los 9 y 10 años y los superiores

entre los 11 y 12 años de edad, su ubicación en la cavidad bucal es al lado o

seguidos de los incisivos tanto en la parte inferior como superior de la boca .La

apariencia de su corona es puntiaguda y afilada ya que su principal función es

28

desgarrar todo tipo de alimentos , su principal característica es que solo posee

una sola raíz (Thuillier, 2015).

GRÁFICO N°12. CANINOS SUPERIORES E INFERIORES


Fuente:(Salazar, 2016).

PREMOLARES

Los premolares son la tercera agrupación de dientes situados en la parte central

de la boca por detrás de los caninos y delante de los molares, en total son 8 piezas

dentales de este tipo dividiéndose en dos partes (cuatro dientes en el maxilar

inferior y otros 4 en el maxilar superior), también son llamados bicúspide ya que

tienen la particularidad de poseer 2 raíces a diferencia de los incisivos y caninos

que solo poseen una sola raíz, lo que origina una compostura de agarre en el

hueso alveolar del maxilar superior e inferior mucho más estable en sujeción , su

principal función es encargarse de desgarrar alimentos junto con los caninos y

molares triturando alimentos ya cortados por los incisivos (Moenne, 2013).

29

GRÁFICO N°13. VISTA INFERIOR DE LOS PREMOLARES


Fuente:(Moenne, 2013).

MOLARES

Los dienes molares o comunmente llamadas muelas son las piezas dentales mas

grandes encontradas en la cabidad bucal , localizadas en la parte posterior de la

boca detrás de los premolares , los brotes de estos molares suelen aparecer a

partir de los 16 meses de nacimiento y a partir de los 11 o 13 años de edad puede

tener 8 molares permanentes que han sustituido a los temporales o de leche ,cabe

recalcar que los ultimos 4 dientes son los mas tardios en emerger , llegando a

brotar entre los 16 y 18 años de edad y pueden expandirce hasta los 25 años para

su erupcion ,estos utimos 4 dientes son comunmente llamados muelas del juicio .

Las muelas son las encargadas de moler y tritura en particulas muy finas los

alimientos con el fin que el alimento sea bien digerido (Alvares & Nazar, 2013).

GRÁFICO N°14. IDENTIFICACIÓN DE LOS MOLARES


Fuente:(Lara, 2017).

30

ODONTOGRAMAS

Una odontograma o también de nominado odontograma periodontograma,

diagrama dentario y carta dental es un bosquejo representativo de la cavidad bucal

donde se muestra todas las piezas dentarias de una persona, cada pieza se lo

enumera o se lo reconoce con letras mayúsculas, en cualquier cuestión se lo

aplica la nomenclatura universal para que pueda ser observado y conocido por

cualquier experto odontológico (Porto & Gardey, 2015).

GRÁFICO N°15. ODONTOGRAMA

Elaborado: Katherine Anastacio y Eduardo Saverio.

Fuente:(Oregón, 2016).

VENTAJAS DE UN ODONTOGRAMA

• Su registro es de manera clara y precisa para evitar cualquier tipo de

confusión a la hora de su explicación.

• La ubicación de la forma y tamaño de cada pieza dental.

• Es un instrumento muy factible de utilizar para obtener comodidad y

optimizar tiempo.

31

RED NEURONAL ARTIFICIAL (RNA)

Las Redes Neuronales Artificiales (RNA) o también llamadas sistemas

conexionistas son un modelo computacional de procesamiento de la información

cuyo funcionamiento y estructura están inspirados en las redes neuronales de los

organismos vivos. Radica en un conjunto de elementos conectados entre sí por

conexiones que tienen un valor numérico modificable llamado peso. Con la

experiencia las neuronas vas reforzando ciertos enlaces para aprender o entrenar

permitiendo buscar la combinación de ciertos parámetros que se adaptan a un

determinado problema.

Un sistema de RNA para realizar una determinada tarea no se programa a

diferencia de una arquitectura Von Neumann, sino que es entrenado de manera

supervisada o autónoma. Consideremos un ejemplo en la estructura de una RNA.

Supongamos que mostramos a la red dos modelos de objetos, por ejemplo la letra

A y la letra Y con diferentes tamaños y en distintas posturas. En el entrenamiento

de la red neuronal artificial se obtiene, tras un número elevado de presentaciones

de los diferentes objetos en diferentes ángulos y consiguiente ajuste o cambio de

las conexiones del sistema, que la red reconozca entre As y Ys, sea cual fuere su

posición y tamaña en la pantalla. Para ello, se entrena a la red neuronal para que

proporcione como salida el valor 1 cada vez que se muestre una A y el valor 0 en

caso de que se muestre una Y. El aprendizaje en una RNA es un desarrollo de

modificaciones o ajustes de los pesos o valores de las conexiones (Díaz-Matha,

Gómez, Fernández, 2015).

32

GRÁFICO N°16. ARQUITECTURA DE UNA RNA.


Fuente:(Pozó, 2015).

CLASIFICACIÓN DE LAS REDES NEURONALES ARTIFICIALES

REDES MONOCAPAS

Las redes monocapas se constituyen de una sola capa.Esta neuronas crean

enlaces laterales para conectarse con otras neuronas de su capa .Entre las redes

mas representativas son las de BRAIN-STATE-IN-A-BOX o memoria asociativa,

maquinas estocásticas de Botzmann , Hopfield, Hopfield.

Entre las redes monocapa, se encuentran algunas que permiten que las neuronas

tengan enlaces a si mismas y se las conoce como autorecurrentes, estas redes

han sido utilizadas en circuitos electricos debido a su topologia , son convenientes

para ser implementadas hardware, empleando matrices de diodos que

representan los enlaces de las neuronas (Dominguez, 2016).

33

GRÁFICO N°17. ARQUITECTURA DE UNA RED NEURONAL

MONOCAPA.


Fuente:(Altamirano, 2017).

REDES NEURONALES MULTICAPA

Las redes multicapas están conformadas por varias capas de neuronas. Estas

redes se agrupan atendiendo a la manera en que se encuentran conectadas sus

capas. Las capas están ordenadas por el orden en que receptan la señal desde la

entrada hasta la salida y están enlazadas en ese orden. Este tipo de enlace se lo

define como conexión hacia delante o feedforward, existen varias redes en que

las capas están unidas desde la salida hasta la entrada en el orden inverso, este

tipo de conexión se definen como retroalimentadas o feedback (Altamirano, 2017).

GRÁFICO N°18. ARQUITECTURA DE UNA RED NEURONAL

MULTICAPA.


Fuente:(Altamirano, 2017).

34

CLASIFICACIÓN DE LAS (RNA) RESPECTO A SU ALGORITMO DE

APRENDIZAJE

APRENDIZAJE SUPERVIADO

Durante este aprendizaje o entrenamiento se incorporan los patrones al algoritmo

y la salida deseada para esos patrones para esto se utiliza una fórmula

matemática de minimización de fallas que permita ajustar el valor de los patrones

para dar la salida más cercana posible a la detección del objeto. Si la red está bien

ajustada y gracias a la gran operación de cada nodo, el algoritmo será capaz de

entrenar con información incompleta o difícil de predecir (Graciany & Bonal, 2016).

Entre sus aplicaciones más importantes están:

• Relación de patrones, Es relacionar dos patrones que permita recuperar la

información a pesar de fallas en la capa de entrada.

• Modeladores funcionales, las redes neuronales permiten, gracias a su

capacidad de ajustar el error dar los valores más cercanos a una función

de la que solo sabemos algunos puntos por los que pasa.

APRENDIZAJE NO SUPERVISADO

Este aprendizaje no necesita el registro de patrones, ya que el algoritmo que se

implementa y la regla de modificación de los enlaces generan patrones de salida

consistentes. Cuando el algoritmo de red neuronal procesa patrones con una gran

cantidad de información similar genera la misma salida para ambos patrones.

35

GRÁFICO N°19. APRENDIZAJE NO SUPERVISADO


Fuente: (López, 2014).

MATLAB

Es una herramienta, se fundamenta en el ámbito matemático, a su vez brinda un

entorno de desarrollo integrado (IDE), también cuenta con un lenguaje propio de

programación, dentro de sus operaciones básicas se presenta la implementación

de algoritmos, el uso de matrices, la innovación de interfaces de usuario (GUI),

con una relación con lenguajes y otros programas para dar resultados de datos y

funciones (Vargas, Berenguel, & Álamo, 2012). Sin embargo se ha transformado

en una herramienta de contribuye de mucho en el ámbito científico o estudiantil.

CUADRO DE HERRAMIENTAS DE PROCESAMIENTO DE IMÁGENES

DESCRIPCIÓN DEL PRODUCTO

El cuadro de herramientas de procesamiento de imagen o también llamado Image

processing Toolbox nos facilita un conjunto completo de algoritmos estándar de

relación y las aplicaciones de flujo de trabajo para realizar los siguientes procesos

de imagen estos son: el procesamiento, análisis, visualización y desarrollo de

algoritmos de imágenes. También realiza la segmentación de imágenes, la mejora

de imágenes, la reducción de ruido, las transformaciones geométricas, el registro

de imágenes y el procesamiento de imágenes en 3D(MathWorks, 2015).

36

Las aplicaciones de cuadro de herramientas de procesamiento de imagen tienen

la posibilidad de automatizar flujos de trabajo ordinarios, a través del toolbox se

puede segmentar interactivamente todos los datos de las imágenes, por lo tanto

se podrá comparar técnicas de registro de imágenes y tratar grandes conjuntos

de datos por parte. Todas las aplicaciones y funciones de visualización le facilitan

analizar imágenes, volúmenes 3D y videos; también ajustar el contraste de la

imagen, crear histogramas; y manejar regiones de interés (MathWorks, 2015).

Características

• Análisis de imágenes, incluyendo segmentación, morfología, estadísticas

y medición.

• Aplicaciones para análisis de regiones de imágenes, procesamiento de

lotes de imágenes y registro de imágenes.

• Flujos de trabajo de procesamiento de imágenes en 3D, que incluyen

visualización y segmentación.

• Mejora de la imagen, filtrado, transformaciones geométricas y algoritmos

de desenfoque.

• Métodos de registro de imágenes no rígidos y basados en intensidad.

DEEP LEARNING

El Deep Learning es un método de aprendizaje mecánico que exhibe a los

ordenadores a hacer lo que resulta natural para las personas, es decir aprender

mediante ejemplos. Por medio de este modelo informático aprende a realizar

tareas de clasificación directamente a partir de imágenes, texto o sonido. Los

modelos de Deep Learning pueden alcanzar una precisión de vanguardia que, en

ocasiones, supera el rendimiento humano. Los modelos se entrenan mediante un

amplio conjunto de datos etiquetados y arquitecturas de redes neuronales que

contienen muchas capas (Bendemra, 2018).

37

INTERFAZ WEB

La “Interfaz web” o también conocidos como “sistemas web” son herramientas

codificadas en diferentes leguajes de programación que puede ser interpretado

por diferentes navegadores web (Chrome, Firefox, Opera, Interne Explorer,

etc.).Se encuentran alojados en un servidor que el usuario puede utilizar mediante

internet o intranet (red local).Pueden contener componentes que facilitan una

comunicación activa entre el usuario y la información, permitiendo que este

acceda a los datos de forma dinámica, además de poseer funcionalidades muy

potentes que proporcionan respuesta a diferentes casos en particular (wiboo,

2017).

Las aplicaciones web son herramientas codificadas en un lenguaje de

programación compatible con los navegadores, permitiendo a los usuarios

ejecutar diferentes tipos de tareas dentro de un sitio web, ejecutando únicamente

el navegador el navegador que se esté utilizando (Espinoza, 2017).

TIPOS DE APLICACIONES WEB

Según (Espinoza, 2017) indica: Esta clasificación de la interfaz web se basa en

cómo se presentan tales aplicaciones al usuario y el contenido que proyectan en

el sitio. Entre ellas distinguimos:

Aplicación web estática

Este tipo de aplicaciones se utiliza constantemente en el desarrollo de portafolios

profesionales, datos de contacto, currículos vitae digitales, entre otros. En estas

aplicaciones web se visualiza poca información y no suelen contar con muchos

cambios regularmente son desarrolladas en HTML Y CCS.

Aplicación web dinámica

Este tipo de aplicaciones maneja bases de datos para cargar la información y los

contenidos se actualizan cada vez que el usuario ingresa a este tipo de aplicación.

Principalmente son desarrolladas utilizando lenguajes de programación como son:

PHP Y ASP, unas de las ventajas más representativas de estas aplicaciones es

que se posicionan mejor en los navegadores.

38

Tienda virtual

Las tiendas virtuales se desempeñan como un comercio electrónico de tiendas

online. En estas tiendas se pueden realizar diversos tipos de pagos electrónicos,

y utilizan paneles de gestión de contenido, permitiendo al administrador subir

cualquier tipo de producto, actualizar precios, realizar inventario, administrar

pedidos y pagos.

Portal web app

Este tipo de aplicaciones permite la entrada a otras áreas como: correo

electrónico, zonas de registro, foros, chats, buscadores, etc. Su principal objetivo

es guiar a los usuarios a encontrar la información que buscan sin tener la

necesidad de salir del portal motivándolos a usarlos de forma mucho más

continua.

Web app animada

La web app animadas utilizan flash permitiendo proyectar contenidos con

animaciones y es muy común que los diseñadores utilicen este tipo de tecnología.

Una de las desventajas de las aplicaciones web, es que los navegadores no

pueden mostrar adecuadamente este tipo de contenido

Aplicación para gestión de contenidos

Este modelo de aplicación se desarrolla principalmente en sitios donde la

información se debe renovar constantemente. Se utiliza un gestor de contenidos

(CMS), esto permite que el administrador como los editores pueda realizar

modificaciones al contenido de la información. Este tipo de aplicaciones web es

muy común en sitios como blogs, personales ,páginas de noticias ,páginas de

artículos , blogs profesionales, y medios de comunicación (Espinoza, 2017).

APLICACIONES WEB PROGRESIVAS O PWA

Conocidas regularmente por PWA (progressive web applications.) Son webs que

son accesibles desde cualquier dispositivo móvil o de escritorio que cuente con un

navegador, para mostrar una experiencia en móviles lo más semejante a la de una

aplicación nativa, permitiendo ser ejecutadas, gracias a que están desarrolladas

en HTML Y JavaScript que son lenguajes multiplataforma y multidispositivo,

39

consiguiendo usuarios de una manera más efectiva que las aplicaciones móviles

debido a su universalidad (MOBILE ANALYTICS, 2018).

CARACTERÍSTICAS DE UNA PWA

• Son universales y multiplataforma. Se puede acceder desde cualquier

dispositivo que cuente con un buscador incorporado en su sistema.

• Se pueden instalar en cualquier dispositivo móvil o tabla, el usuario no

tendrá la necesidad de acceder al navegador y escribir la dirección para

volver a ingresar, sino que tendrá en su lista de aplicaciones el nombre de

la web con su respectivo logo.

• Una de sus características es enviar notificaciones push que pueden llegar

hacer muy interesantes, de esta manera el usuario puede abrir la

notificación y acceder a la aplicación instalada desde su dispositivo.

• Otra de sus características es que pueden funcionar sin necesidad de

conexión a internet, permitiendo ser accesibles, aunque el usuario no

tenga a su disposición una conexión, ya sea de datos o wifi.

• Cuenta con un mayor rendimiento que las aplicaciones convencionales

móviles ya que mejora su tiempo de carga(MOBILE ANALYTICS, 2018).

BOOTSTRAP

Es un framework para el desarrollo de interfaces de usuario de aplicaciones web

(front-end). Podemos usarlo tanto por medio de CSS puro o mediante extensiones

del lenguaje como Less o Sass.

Está fundamentado sobre la tendencia actual en web respecto a diseñar primero

para las pantallas móviles (mobile-first) y en crear diseños responsivos

(responsive-design); de manera que nos permite desarrollar aplicaciones web que

luzcan y funcionen bien tanto en móviles como en computadoras de escritorio o

laptops (Guevara, 2014).

40

CARACTERÍSTICAS PRINCIPALES DE BOOTSTRAP

Bootstrap ofrece una serie de plantillas CSS y ficheros Javascript que nos

permiten integrar el framework de forma sencilla y potente en nuestros proyectos

webs (Rodríguez, 2012).

• Permite crear interfaces que se adapten a los diferentes navegadores,

tanto de escritorio como tablets y móviles a distintas escalas y

resoluciones.

• Se integra perfectamente con las principales librerías Javascript, por

ejemplo JQuery.

• Ofrece un diseño sólido usando LESS y estándares como CSS3/HTML5.

• Es un framework ligero que se integra de forma limpia en nuestro proyecto

actual.

• Funciona con todos los navegadores, incluido Internet Explorer usando

HTML Shim para que reconozca los tags HTML5.

• Dispone de distintos layout predefinidos con estructuras fijas a 940 píxeles

de distintas columnas o diseños fluidos.

SCRUM

Scrum es un proceso de gestión que reduce la complejidad en el desarrollo de

productos para satisfacer las necesidades de los clientes. La gerencia y los

equipos de Scrum trabajan juntos alrededor de requisitos y tecnologías para

entregar productos funcionando de manera incremental usando el empirismo

(Francia, 2017)

Scrum es un marco de trabajo simple que promueve la colaboración en los equipos

para lograr desarrollar productos complejos. Ken Schwaber y Jeff Sutherland han

escrito La Guía Scrum para explicar Scrum de manera clara y simple.

41

ROLES DE SCRUM

Según (Najda-Janoszka & Daba-Buzoianu, 2018) Indica: La metodología Scrum

tiene unos roles y responsabilidades principales, asignados a sus procesos de

desarrollo. Estos son:

Project Owner. Se asegura de que el proyecto se esté desarrollando acorde con

la estrategia del negocio. Escribe historias de usuario, las prioriza, y las coloca en

el Product Backlog.

Master Scrum o Facilitador. Elimina los obstáculos que impiden que el equipo

cumpla con su objetivo.

Development team Member. Los encargados de crear el producto para que

pueda estar listo con los requerimientos necesarios. Se recomienda que sea un

equipo multidisciplinar, de no más de 10 personas. Sin embargo, empresas como

Google disponen de unos 15.000 desarrolladores trabajando en una rama del

código. Y con una metodología Scrum. La automatización en el testeo explica

sobre por qué este gran volumen en el equipo.

GRÁFICO N°20. ROLES, ARTEFACTOS Y EVENTOS PRINCIPALES DE

SCRUM

Elaborado: Katherine Anastacio y Eduardo Saverio.

Fuente: (Chapin, 2004).

42

MARCO LEGAL

Basado en la presente fundamentación legal nuestro proyecto se apega a las

leyes, cumpliendo con todas las normas y especificaciones que requiere este

proyecto de titulación.

Sección quinta Educación

Art. 29.- EI Estado garantizará la libertad de enseñanza, la libertad de cátedra en

la educación superior, y el derecho de las personas de aprender en su propia

lengua y ámbito cultural.

Las madres y padres o sus representantes tendrán la libertad de escoger para sus

hijas e hijos una educación acorde con sus principios, creencias y opciones

pedagógicas.

Como lo dice en el presente artículo todas tenemos el derecho de adquirir conocimientos

por lo cual estoy ejerciendo de este para culminar mi carrera universitaria.

Art. 350. El sistema de educación superior tiene como finalidad la formación

académica y profesional con visión científica y humanista, la investigación

científica y tecnológica, la innovación, promoción, desarrollo y difusión de los

saberes y las culturas, la construcción de situaciones para los problemas del país,

en relación con los objetivos del régimen de desarrollo.

En el presente artículo nos permite emplear a través de nuestro conocimiento adquirido

en la carrera dar solución a varios problemas, haciendo uso de herramientas tecnológicas.

43

Sección segunda

Tipos de propiedad

Artículo 104.- Obras susceptibles de protección. - La protección reconocida por

el presente Título recae sobre todas las obras literarias, artísticas y científicas, que

sean originales y que puedan reproducirse o divulgarse por cualquier forma o

medio conocido o por conocerse. 12.- SOFTWARE

En el presente artículo nos proporciona la seguridad de las obras realizadas en el medio

a conocerse mediante el Software.

Capítulo I: Del Derecho de Autor

Art. 4. Se reconocen y garantizan los derechos de los autores y los derechos de

los demás titulares sobre sus obras.

Art. 5. El derecho de autor nace y se protege por el solo hecho de la creación de

la obra, independientemente de su mérito, destino o modo de expresión.

Se protegen todas las obras, interpretaciones, ejecuciones, producciones o

emisiones radiofónicas cualquiera sea el país de origen de la obra, la nacionalidad

o el domicilio del autor o titular. Esta protección también se reconoce cualquiera

que sea el lugar de publicación o divulgación.

El reconocimiento de los derechos de autor y de los derechos conexos no está

sometido a registro, depósito, ni al cumplimiento de formalidad alguna.

El derecho conexo nace de la necesidad de asegurar la protección de los derechos

de los artistas, intérpretes o ejecutantes y de los productores de fonogramas.

Art. 6. El derecho de autor es independiente, compatible y acumulable con:

La propiedad y otros derechos que tengan por objeto la cosa material a la que esté

incorporada la obra;

Los derechos de propiedad industrial que puedan existir sobre la obra; y,

Los otros derechos de propiedad intelectual reconocidos por la ley.

44

Art. 7. Para los efectos de este Título los términos señalados a continuación

tendrán los siguientes significados:

Autor: Persona natural que realiza la creación intelectual. Artista intérprete o

ejecutante: Persona que representa, canta, lee, recita, interpreta o ejecuta en

cualquier forma una obra.

Base de datos: Compilación de obras, hechos o datos en forma impresa, en una

unidad de almacenamiento de ordenador o de cualquier otra forma.

Distribución: Puesta a disposición del público, del original o copias de la obra,

mediante su venta, arrendamiento, préstamo público o de cualquier otra forma

conocida o por conocerse de transferencia de la propiedad, posesión o tenencia

de dicho original o copia.

Divulgación: El acto de hacer accesible por primera vez la obra al público, con el

consentimiento del autor, por cualquier medio o procedimiento conocido o por

conocerse.

Editor: Persona natural o jurídica que mediante contrato escrito con el autor o su

causahabiente se obliga a asegurar la publicación y divulgación de la obra por su

propia cuenta.

Licencia: Autorización o permiso que concede el titular de los derechos al usuario

de la obra u otra producción protegida, para utilizarla en la forma determinada y

de conformidad con las condiciones convenidas en el contrato. No transfiere la

titularidad de los derechos.

Programa de ordenador (software): Toda secuencia de instrucciones o

indicaciones destinadas a ser utilizadas, directa o indirectamente, en un

dispositivo de lectura automatizada, ordenador, o aparato electrónico o similar con

capacidad de procesar información, para la realización de una función o tarea, u

obtención de un resultado determinado, cualquiera que fuere su forma de

expresión o fijación. El programa de ordenador comprende también la

documentación preparatoria, planes y diseños, la documentación técnica, y los

manuales de uso.

45

Titularidad: Calidad de la persona natural o jurídica, de titular de los derechos

reconocidos por el presente Libro.

La presente sección de artículos nos garantiza la protección de los procesos de desarrollos

informáticos de este proyecto siendo un requisito indispensable para culminar la carrera

universitaria.

LEY DE PROPIEDAD INTELECTUAL SECCIÓN V

DISPOSICIONES ESPECIALES SOBRE CIERTAS OBRAS

PARAGRAFO PRIMERO DE LOS PROGRAMAS DE ORDENADOR

Art. 28. Los programas de ordenador se consideran obras literarias y se protegen

como tales. Dicha protección se otorga independientemente de que hayan sido

incorporados en un ordenador y cualquiera sea la forma en que estén expresados,

ya sea en forma legible por el hombre (código fuente) o en forma legible por

máquina (código objeto), ya sean programas operativos y programas aplicativos,

incluyendo diagramas de flujo, planos, manuales de uso, y en general, aquellos

elementos que conformen la estructura, secuencia y organización del programa.

Art. 29. Es titular de un programa de ordenador, el productor, esto es la persona

natural o jurídica que toma la iniciativa y responsabilidad de la realización de la

obra. Se considerará titular, salvo prueba en contrario, a la persona cuyo nombre

conste en la obra o sus copias de la forma usual.

Dicho titular está además legitimado para ejercer en nombre propio los derechos

morales sobre la obra, incluyendo la facultad para decidir sobre su divulgación.

El productor tendrá el derecho exclusivo de realizar, autorizar o prohibir la

realización de modificaciones o versiones sucesivas del programa, y de

programas derivados del mismo. Las disposiciones del presente artículo podrán

ser modificadas mediante acuerdo entre los autores y el producto.

46

Art. 30. La adquisición de un ejemplar de un programa de ordenador que haya

circulado lícitamente autoriza a su propietario a realizar exclusivamente:

a) Una copia de la versión del programa legible por máquina (código objeto)

con fines de seguridad o resguardo;

b) Fijar el programa en la memoria interna del aparato, ya sea que dicha

fijación desaparezca o no al apagarlo, con el único fin y en la medida necesaria

para utilizar el programa;

c) Salvo prohibición expresa, adaptar el programa para su exclusivo uso

personal, siempre que se limite al uso normal previsto en la licencia.

d) El adquirente no podrá transferir a ningún título el soporte que contenga el

programa así adaptado, ni podrá utilizarlo de ninguna otra forma sin autorización

expresa, según las reglas generales.

e) Se requerirá de autorización del titular de los derechos para cualquier otra

utilización, inclusive la reproducción para fines de uso personal o el

aprovechamiento del programa por varias personas, a través de redes u otros

sistemas análogos, conocidos o por conocerse.

Art. 31. No se considerará que exista arrendamiento de un programa de

ordenador cuando éste no sea el objeto esencial de dicho contrato. Se considerará

que el programa es el objeto esencial cuando la funcionalidad del objeto materia

del contrato, dependa directamente del programa de ordenador suministrado con

dicho objeto; como cuando se arrienda un ordenador con programas de ordenador

instalados previamente.

Art. 32. Las excepciones al derecho de autor establecidas en los artículos 30 y 31

son las únicas aplicables respecto a los programas de ordenador.

Las normas contenidas en el presente Parágrafo se interpretarán de manera que

su aplicación no perjudique la normal explotación de la obra o los intereses

legítimos del titular de los derechos.

La presente sección de artículos nos garantiza la protección intelectual de este proyecto

siendo un requisito indispensable para culminar la carrera universitaria.

47

LEY ORGÁNICA DE EDUCACIÓN SUPERIOR, LOES CAPITULO 2

PATRIMONIO Y FINANCIAMIENTO DE LAS INSTITUCIONES DE

EDUCACION SUPERIOR

Art. 20.- Del Patrimonio y Financiamiento de las instituciones del sistema de

educación superior.- En ejercicio de la autonomía responsable, el patrimonio y

financiamiento de las instituciones del sistema de educación superior estará

constituido por:

a) Los bienes muebles e inmuebles que al promulgarse esta Ley sean

de su propiedad, y los bienes que se adquieran en el futuro a

cualquier título, así como aquellos que fueron ofertados y

comprometidos al momento de presentar su proyecto de creación;

b) Las rentas establecidas en la Ley del Fondo Permanente de

Desarrollo Universitario y Politécnico

c) (FOPEDEUPO);

d) Las asignaciones que han constatado y las que consten en el

Presupuesto General del Estado, con los incrementos que manda la

Constitución de la República del Ecuador;

e) Las asignaciones que corresponden a la gratuidad para las

instituciones públicas;

f) Los ingresos por matrículas, derechos y aranceles, con las

excepciones establecidas en la Constitución y en esta Ley en las

universidades y escuelas politécnicas públicas;

g) Los beneficios obtenidos por su participación en actividades

productivas de bienes y servicios, siempre y cuando esa

participación no persiga fines de lucro y que sea en beneficio de la

institución;

h) Los recursos provenientes de herencias, legados y donaciones a su

favor;

i) Los fondos autogenerados por cursos, seminarios extracurriculares,

programas de posgrado, consultorías, prestación de servicios y

similares, en el marco de lo establecido en esta Ley;

48

j) Los ingresos provenientes de la propiedad intelectual como fruto de

sus investigaciones y otras actividades académicas;

k) Los saldos presupuestarios comprometidos para inversión en

desarrollo de ciencia y tecnología y proyectos académicos y de

investigación que se encuentren en ejecución no devengados a la

finalización del ejercicio económico, obligatoriamente se

incorporarán al presupuesto del ejercicio fiscal siguiente;

l) Los recursos obtenidos por contribuciones de la cooperación

internacional; y,

m) Otros bienes y fondos económicos que les correspondan o que

adquieran de acuerdo con la Ley.

Art. 3.- Recursos Públicos.- Para efecto de esta Ley se entenderán por recursos

públicos, todos los bienes, fondos, títulos, acciones, participaciones, activos,

rentas, utilidades, excedentes, subvenciones y todos los derechos que pertenecen

al Estado y a sus instituciones, sea cual fuere la fuente de la que procedan,

inclusive los provenientes de préstamos, donaciones y entregas que, a cualquier

otro título realicen a favor del Estado o de sus instituciones, personas naturales o

jurídicas u organismos nacionales o internacionales.

Los recursos públicos no pierden su calidad de tales al ser administrados por

corporaciones, fundaciones, sociedades civiles, compañías mercantiles y otras

entidades de derecho privado, cualquiera hubiere sido o fuere su origen, creación

o constitución hasta tanto los títulos, acciones, participaciones o derechos que

representen ese patrimonio sean transferidos a personas naturales o personas

jurídicas de derecho privado, de conformidad con la ley.

En la presente sección de artículos nos benefició a nosotros como estudiantes, mantener

una educación gratuita, que nos permitió culminar nuestros estudios de educación superior

49

CONSTITUCIÓN DE LA REPÚBLICA DEL ECUADOR

DECRETO 1014

SOBRE EL USO DEL SOFTWARE LIBRE

Para el desarrollo del aplicativo web para la automatización de los procesos de

registro de soporte TICS se ha empleado herramientas de código abierto, por lo

que si cumple con lo que establece la Constitución de la República del Ecuador

en su Decreto 1014:

Art. 1: Establecer como política pública para las entidades de administración

Pública central la utilización del Software Libre en sus sistemas y equipamientos

informáticos.

Art. 2: Se entiende por software libre, a los programas de computación que se

pueden utilizar y distribuir sin restricción alguna, que permitan el acceso a los

códigos fuentes y que sus aplicaciones puedan ser mejoradas. Estos programas

de computación tienen las siguientes libertades:

• Utilización del programa con cualquier propósito de uso común.

• Distribución de copias sin restricción alguna.

• Estudio y modificación de programa (Requisito: código fuente disponible).

• Publicación del programa mejorado (Requisito: código fuente disponible).

Art. 3: Las entidades de la administración pública central previa a la instalación

del software libre en sus equipos, deberán verificar la existencia de capacidad

técnica que brinde el soporte necesario para este tipo de software.

Art. 4: Se faculta la utilización de software propietario (no libre) únicamente

cuando no exista una solución de software libre que supla las necesidades

requeridas, o cuando esté en riesgo de seguridad nacional, o cuando el proyecto

informático se encuentre en un punto de no retorno.

Art. 5: Tanto para software libre como software propietario, siempre y cuando se

satisfagan los requerimientos.

Nacionales que permitan autonomía y soberanía tecnológica

50

• Regionales con componente nacional.

• Regionales con proveedores nacionales.

• Internacionales con componente nacional.

• Internacionales con proveedores nacionales.

• Internacionales.

Art. 6: La subsecretaría de Informática como órgano regulador y ejecutor de las

políticas y proyectos informáticos en las entidades de Gobierno Central deberá

realizar el control y seguimiento de este Decreto.

Art. 7: Encargue de la ejecución de este decreto los señores Ministros

Coordinadores y el señor Secretario General de la Administración Pública y

Comunicación (Rep, Subsecretar, & Inform, 2009).

La presente sección de artículos nos permite emplear el uso de software gratuito mediante

la institución de educación superior (Universidad de Guayaquil)

PREGUNTA CIENTÍFICA A CONTESTARSE

¿Cómo se ha venido desarrollando los sistemas educativos que identifiquen pieza

dental en un adulto mayor?

DEFINICIONES CONCEPTUALES

SEGMENTACIÓN

Se compone de pixeles que restauran una imagen por medio de fases esta se

requiere dividir una imagen en sus partes, con el propósito de agrupar las partes

que son de gran relevancia de la imagen (Herol-García & Escobedo-Nicot,

2007).

51

IMÁGENES

Una figura de un elemento en específico busca impresionar la percepción visual

del ser humano teniendo en cuenta este físico o digital (López, 2014).

PIEZAS DENTALES

Se las denomina como un cuerpo duro que, se encuentra encargado en la

mandíbula del ser humano y de muchos animales, está en descubierto, para luego

servir como un miembro de masticación (Aravena, 2012).

ANÁLISIS DIGITAL DE IMÁGENES

Llamado análisis de información por el cual está producido a través de las

imágenes en varios formatos. Por la tanto esto es de ayuda para un estudio digital

como el visual (procesamiento digital de imágenes) (Rogerio-Candelera & Linares,

2015).

PROCESAMIENTO DIGITAL DE IMÁGENES

Son métodos que se utilizan en las imágenes digitales con el propósito de

regenerar la calidad y apoya en la búsqueda de un buen reporte(Ortíz, 2013).

BASE DE DATOS

La base de datos es un sistema formado por un conjunto de datos almacenados

en discos que permiten el acceso directo a ellos y un conjunto de programas que

manipulen ese conjunto de datos(Pérez, 2010).

HTML

HTML son las siglas designadas para Hyper Text Markup Language, que traducido

al español significa Lenguaje de Marcas de Hipertexto. HTML es un lenguaje

utilizado en la informática, cuyo fin es el desarrollo de las páginas web, indicando

cuales son los elementos que la compondrán, orientando hacia cuál será su

estructura y también su contenido, básicamente es su definición; por medio del

HTML se indica tanto el texto como las imágenes pertenecientes a cada página

de internet(H Tecnología, 2015).

52

PHP

PHP este lenguaje es al que le debemos la visualización de contenido dinámico

en las páginas web. Todo el código PHP es invisible para el usuario, porque todas

las interacciones que se desarrollan en este lenguaje son por completo

transformadas para que se puedan ver imágenes, variedad de multimedia y los

formatos con los que somos capaces de interactuar añadiendo o descargando

información de ellos.(General, 2014)

CSS

El CSS (hojas de estilo en cascada) es un lenguaje que define la apariencia de un

documento escrito en un lenguaje de marcado (por ejemplo, HTML). Así, a los

elementos de la página web creados con HTML se les dará la apariencia que se

desee utilizando CSS: colores, espacios entre elementos, tipos de letra,

separando de esta forma la estructura de la presentación (Charland & LeRoux,

2011).

53

CAPITULO III

PROPUESTA TECNOLÓGICA

El presente proyecto se basa para un aporte tecnológico, asociado a la rama de

la medicina permitiendo la automatización del proceso en la detección de piezas

dentales aplicando algoritmo de redes neuronales para obtener con mayor

precisión la identificación de piezas dentarias, no obstante, se relaciona con

métodos de procesamiento digital de imágenes y procesamientos de

segmentación, que han sido utilizadas.

El desarrollo del guide se basa en la descripción de representaciones gráficas,

mediante la recolección de datos que será de beneficio para entrenar a la red con

respecto a los parámetros como área, etiqueta y efectividad. Como segundo

proceso es la ilustración de las piezas dentales la cuales serán segmentadas para

extraer y examinar los datos; por lo consecuente se aplicará algoritmos

matemáticos para la implementación y muestreo de cada pieza dentaria, y por

último el análisis de datos que serán arrojados mediante las representaciones

graficas que dará como respuesta la optimización y precisión sobre la

identificación de piezas dentales.

El proyecto se enfoca en la implementación de algoritmos de procesamiento de

imagen para clasificar las imágenes por piezas dentales con la colaboración de

módulos de entrenamiento de una red neuronal digital por capas, para tener un

resultado con mayor precisión del objeto para ello se implementó un

entrenamiento continuo con imágenes positivas y negativas de cada pieza dental.

Previo a la implementación se debe contar con programas, aplicaciones,

framework, lenguaje de desarrollo, librerías, etc.

El algoritmo supervisado en cascada a utilizar se ajusta a los parámetros y

modelos matemáticos para el resultado final es el algoritmo de redes neuronales

por capas, la cual le permita la identificación de cada pieza dental.

54

TIPOS DE INVESTIGACIÓN

Se han elegido un tipo de investigación para el presente proyecto con sus propias

características los cuales son los siguientes:

ANÁLISIS DE FACTIBILIDAD

Una vez que se tiene en claro las problemáticas y los conflictos viales, se realizara

la implementación para dar solución a través de algoritmos de redes neuronales

por capa para tener la optimización y eficiencia al momento de identificar de cada

pieza dental.

El presente proyecto tiene factibilidad de uso en la automatización de información

que serán representadas y consumidas mediante ilustraciones dentales. Así

mismo cuenta con los requerimientos y características necesarios para ser

detectados con precisión a su vez representarlo por la interfaz web donde se

demostrará los resultados del desarrollo del proyecto como un módulo del antes

mencionado.

FACTIBILIDAD TÉCNICA

De acuerdo a los requerimientos que se implantaron al proyecto está elaborado

para la inserción de una interfaz web educativa como primer punto debe de contar

con el procesamiento Matlab, para desde allí programar con algoritmos para la

segmentación de imagen y con la ayuda de la red neuronal la cual entrenará para

una detección supervisada y recolectará la información de la imagen, para así

obtener un resultado en este caso la identificación de la pieza dental.

HARDWARE

A continuación, se detalla las características de los equipos físicos, utilizados para

realizar de desarrollo del proyecto.

LAPTOP

• Intel(R) Core(TM) i3-7500U CP @ 2.70GHz (4 CPUs), ~2.9 GHz.

• Memoria RAM de 8 GB.

55

• Disco Duro de 1000 GB.

• Sistema Operativo Windows 10 Home 64 bits.

• Tarjeta de red.

LAPTOP

• Intel(R) Pentium Dual Core @ 2.20GHz (2 CPUs), ~2.2 GHz.

• Memoria RAM de 4GB.

• Disco Duro 500 GB.

• Sistema Operativo Windows 7 Ultimate x64 bits.

• Tarjeta de red.

SOFTWARE

Las herramientas que se utilizaron para elaborar el desarrollo de una interfaz

gráfica en su totalidad, el uso de sistemas de Matlab, se puede utilizar la versión

estudiante siendo una especie de versión de prueba.

Software utilizados para el desarrollo:

• Matlab.

• Toolbox.

• Deep Learning.

FACTIBILIDAD OPERACIONAL

En cuanto a la operabilidad del proyecto se puede manifestar que el sistema va a

ser muy sencillo de manipular, debido a que su funcionalidad es dinámica, en

conjunto con su aprendizaje de trayectorias más recurrentes. A nivel de

visualización el usuario podrá solo orientarse con cada nombre de la pieza dental,

y el sistema se encargará de subir la imagen este hará una consulta de todas las

segmentaciones de la imagen para una dar un mejor resultado en el ámbito de

detección de piezas dentales, analizará las imágenes dentarias y nos dará la

identificación precisa del diente.

56

GRÁFICO N°21. DISEÑO DE LA INTERFAZ GRÁFICA

Elaborado por: Katherine Anastacio y Eduardo Saverio. Fuente: Elaboración propia

FACTIBILIDAD LEGAL

De acuerdo con los procesos del proyecto estos se rigen a una ley o reglamento

de disponibilidad, uso e integración. Y con la factibilidad legal se puede deducir en

el siguiente cuadro con detalle las bases legales con su respetiva articulo o inciso.

CUADRO N° 4. BASES LEGALES CON SUS RESPECTIVOS ARTÍCULOS

BASE LEGAL ARTICULO O INCISO

Ley de propiedad intelectual Art.4,5y6

Objetivo al derecho del autor Art. 8

Titulares de los derechos Art.11 y12

Educación (Constitución de la república

del Ecuador)

Art. 350, 355 y 385


Fuente: Elaboración propia

FACTIBILIDAD ECONÓMICA

Una vez analizado el costo económico del proyecto previo a la implementación

tanto como de software: aplicaciones, framework, sistema operativo entre otros, y

de hardware como equipo de cómputo donde se empleará, otros recursos físicos,

57

entre otros. Se conoce no se hizo gastos considerables. A continuación, se

mostrará en un cuadro sobre los costos empleados de hardware y software

detalladamente.

COSTOS VARIOS

Los costos varios son aquellos gastos invertidos en accesorios y material de

oficina y que son de uso diario tales como: cartuchos de impresora, marcadores,

papeles, plumas, etc. A continuación, se muestra una tabla que muestra estos

gastos.

CUADRO N° 5. COSTOS VARIOS

DESCRIPCIÓN PRECIO POR DÍA DÍAS PRECIO FINAL

Energía Eléctrica - 120 $90 Transportación $3.00 120 $360

Internet - 120 $100 Alimentación $3.00 120 $360 Impresiones - - $50

TOTAL $ 970

Elaborado por: Katherine Anastacio y Eduardo Saverio Fuente: Elaboración propia

CUADRO N° 6. COSTO TOTALES

DESCRIPCION PRECIO FINAL

COSTO DE DESARROLLO $4000.00 COSTOS VARIOS $920.00

TOTAL DE COSTOS $4920.00



ETAPAS DE LA METODOLOGÍA DEL PROYECTO

La metodología utilizada para el desarrollo del proyecto de un sistema para la

descripción de las piezas dentales en una interfaz gráfica. Para esto ha sido

seleccionada la metodología scrum, que es una metodología que contempla

trabajar con equipos reducidos, multidisciplinares, que trabajan en comunicación

directa utilizando ingeniería recurrente, en lugar de ciclos o fases secuenciales.

58

Reuniones de Planificación de Sprint

En la primera etapa de la metodología Scrum se define la lista de características

y funcionalidades como los Backlog del Producto que se realizará durante el

desarrollo del proyecto en curso, las mismas que se detallarán en cada una de las

reuniones de planificación donde el objetivo es completar cada iteración que se

realice, indicando al usuario el proceso final de cada iteración, donde se prepara

el producto para su entrega final.

Lista de Historia de Usuario

1. Investigación Preliminar.

2. Instalación de herramientas a utilizar en el desarrollo del sistema.

3. Diseño y elaboración de la interfaz gráfica.

4. Diseño de Interfaz del Servicio Web.

5. Desarrollo del módulo para la detección de piezas dentales.

A continuación, se detallará las reuniones diarias que se tendrán en el transcurso

del presente proyecto:

CUADRO N° 7. SCRUM DIARIOS

ID Nombre Importancia Esfuerzo Estimación

(días) Sprint

1

Investigación

Preliminar del proyecto

100

5

2

1

2

Instalación de herramientas a utilizar

en el desarrollo del sistema

90

4

2

1

3

Diseño y Elaboración de la interfaz gráfica

100

5

5

2

4

Diseño de Interfaz de Servicio Web

80

4

3

2

5

Desarrollo de los módulos de la detección de piezas dentales

100

5

15

3

Elaborado por: Katherine Anastacio y Eduardo Saverio. Fuente: Elaboración propia.

59

EL DESARROLLO DEL TRABAJO

El grupo de trabajo se compromete a realizar y cumplir con todos los

requerimientos planteados por el propietario de la cual se estableció los sprints

con las reuniones planificadas anteriormente, e incluso en caso de ocurrir

modificaciones en alguno de los sprint que fueron definidos el equipo de proyecto

se encargará de realizarlo con resultados favorables y satisfactorios para el

Product Ower.

Detallamos a continuación la estructura de cómo funcionará el sistema planteado.

Se dará a conocer de manera detallada todo el proceso de desarrollo y el modo

de uso correcto de la interfaz en el que se especificará a continuación mediante

gráficos el proceso adecuado que el usuario debe seguir para la utilización del

sistema.

Product Backlog

El Product Backlog está conformado por 4 casos de uso cada uno con su

respectiva especificación, se utiliza para priorizar o detallar una lista de historia de

usuarios, en este parte se puede observar todos los procesos de la interfaz gráfica

para observar sus fases respectivo, de esta forma se da prioridad a las tareas con

mayor relevancia.

Revisión de los Sprints

En esta parte el propietario comprueba el progreso del sistema revisando que se

haya cumplido con todo lo establecido en los Scrum diarios de acuerdo a los

componentes y módulos que le están siendo presentados de manera que se

verifiquen que el funcionamiento tanto del aplicativo móvil como del servicio web

estén trabajando correctamente.

A continuación, se detallará los 4 sprint que fue establecido en los scrum diarios

los cuales son:

• Sprint 1: Levantamiento de Información del proyecto.

• Sprint 2: Diseño de la Estructura de interfaz Gráfica.

• Sprint 3: Diseño de servicio web.

60

• Sprint 4: Desarrollo de los módulos de la detección de piezas dentales.

Sprint 1: Levantamiento de Información del proyecto

En este sprint se formuló el desarrollo de la historia de usuario que se detalla a

continuación:

CUADRO N° 8. SPRINT 1 – LEVANTAMIENTO DE INFORMACIÓN

DEL PROYECTO

Sprint 1 Prioridad Estado

Investigación Preliminar

Reunión con el tutor Alta Finalizado

Planificar reuniones y entrevistas Alta Finalizado

Instalación de Herramientas para el desarrollo del sistema

Instalación de diferentes lenguajes de programación Medio Finalizado

Instalación de Matlab Medio Finalizado


Fuente: Datos de la Investigación.

En la siguiente tabla se presenta el product blackog que son todos los

requerimientos necesarios que se recabaron para el desarrollo del presente

proyecto.

CUADRO N° 9. SPRINT 1 - HISTORIA DE USUARIO 1

HU01 Investigación Preliminar

ROL: Desarrollador

Quiero visualizar: Requerimientos establecidos por el cliente

Para qué lo realizo: Para tener información clara para el desarrollo del sistema

Condiciones • Cumplir con los requerimientos iniciales.



61

CUADRO N° 10. SPRINT 1 - HISTORIA DE USUARIO 2 HU02 Instalación de herramientas para el desarrollo del sistema

ROL: Desarrollador

Quiero

visualizar:

Instalación de todas las plataformas de desarrollo para la

elaboración del proyecto planteado.

Para qué lo

realizo:

Para poder empezar con el desarrollo de los módulos que con

llevan el servicio web.

Condiciones • Instalación de matlab.

• Instalación de los complementos de los programas.



Durante el levantamiento de información para el desarrollo del presente proyecto se determinó que se utilizarán varias herramientas tecnológicas que se empelarán al momento de trabajar en la aplicación móvil y servicio web.

Herramientas que se utilizaron para el desarrollo del Servicio Web

• Css.

• Html.

• Php.

• Hosting.

Sprint 2: Diseño de la Estructura de la Interfaz Gráfica

En la siguiente tabla se puede visualizar las actividades que se realizaron en el

Sprint 2, en el que se indica que contiene las tareas planificadas y realizadas por

cada iteración las cuales ninguna fue negada por parte del equipo de trabajo.

62

CUADRO N° 11. SPRINT 2 – DISEÑO, ELABORACIÓN DE LA

INTERFAZ GRÁFICA Y EL SERVICIO WEB Sprint 2 Prioridad Estado

Diseño de interfaz del Servicio web

Elaboración del diseño inicial de la interfaz web Medio Finalizado

Elaboración del diseño inicial del usuario Medio Finalizado

Diseño de interfaz Gráfica

Elaboración del diseño inicial de la interfaz gráfica Medio Finalizado

Elaboración del diseño inicial de usuario general Medio Finalizado




HU04 DISEÑO DE INTERFAZ DEL SERVICIO WEB

ROL: Usuario

Quiero visualizar: Logotipo y colores característicos de Dientes

Para qué lo realizo: Para que los usuarios se sientan muy conforme con la

interfaz y su vez adquirir conocimientos de sus piezas

dentarias.

Condiciones

• Amigable para el usuario.

• Acceso rápido.

• Fácil manejo y adaptación.

• El sistema debe poseer colores que puedan

reflejar una atención por el usuario.



63

CUADRO N° 13. SPRINT 2 - HISTORIA DE USUARIO 3 HU04 DISEÑO DE INTERFAZ GRÁFICA

ROL: Usuario

Quiero visualizar: característicos de Dientes

Para qué lo realizo: Para que los usuarios se sientan muy conforme con la

interfaz y su vez adquirir conocimientos de sus piezas

dentarias.

Condiciones

• Amigable para el usuario.


• El sistema debe poseer colores que puedan

reflejar una atención por el usuario.



Sprint 4: Desarrollo de los módulos en el Servicio Web

Se podrá observar a continuación que el Sprint 4 se desarrolló sin ninguna

interrupción obteniendo un estado finalizado sin presentar ningún inconveniente.

CUADRO N° 14. SPRINT 4 - DESARROLLO DEL MÓDULO PARA LA

DETECCIÓN DE PIEZAS DENTALES

Sprint 4 Prioridad Estado

Desarrollo de los módulos de Imagen

Desarrollo del módulo de imagen Alta Finalizado

Desarrollo del módulo segmentación de imagen Desarrollo del módulo de pre-procesamiento de imagen

Alta Finalizado

Desarrollo del módulo del PDI Alta Finalizado Desarrollo del módulo detección de características

Generación de informes en el módulo de características Alta Finalizado Generación de gráficos de las características encontradas

Alta Finalizado



64


HU08 Desarrollo del módulo de Imagen

ROL: Usuario

Quiero visualizar: Esta historia el usuario podrá subir una imagen

Para qué lo realizo:

Para que el usuario pueda visualizar la imagen a

través de las técnicas del PDI

Condiciones

• Amigable con el usuario.

• Acceso rápido.


• El sistema debe procesar la imagen en

tiempo real.



CUADRO N° 16. SPRINT 4 – HISTORIA DE USUARIO 9

HU09 Desarrollo del módulo de segmentación de imagen

ROL: Usuario

Quiero visualizar: Esta historia el usuario podrá visualizar por medio de

imagen los procesas de cada técnica del PDI.

Para qué lo realizo:

Para que el usuario pueda visualizar la imagen a través

de las técnicas del PDI

Condiciones

• Amigable con el usuario

• Acceso rápido

• Fácil manejo y adaptación

• El sistema debe procesar en tiempo real.



65

CUADRO N° 17. SPRINT 4 – HISTORIA DE USUARIO 10

HU09 Desarrollo del módulo detección de características de imagen

ROL: Usuario

Quiero visualizar: Esta historia el usuario podrá visualizar por medio de

imagen los procesas de cada técnica del PDI y podrá

visualizar todas las características encontradas.

Para qué lo

realizo:

Para que el usuario pueda visualizar la imagen a

través de las técnicas del PDI y así tener

conocimiento de cada propiedad de una pieza

dentaria.

Condiciones

• Amigable con el usuario

• Acceso rápido

• Fácil manejo y adaptación

• El sistema debe procesar en tiempo real.



DIAGRAMA DE CASO DE USO

A continuación se muestra en el gráfico 24 el caso de uso correspondiente del

presente proyecto la cual se distingue cuatro casos de uso e ira describiendo con

cada caso que se explicará a continuación.

66

GRÁFICO N°22.DIAGRAMA DE CASO DE USO


Fuente: Katherine Anastacio y Eduardo Saverio.

Caso de uso 1

GRÁFICO N°23. DESCRIPCIÓN DEL CASO 1.



1. Preparación de las imágenes del clasificador

•1.1. Descripción: En este caso deuso se preparan las imágenes paraque estén en el formato adecuado yser utilizadas por el clasificador.

2. Flujo de Eventos

•2.1. Flujo Básico

•1. Introducir en una carpeta todaslas imágenes que se utilizarán comopositivos para el entrenamiento delclasificador, y en otra carpeta lasimágenes que se usarán comonegativos.

•2. Aplicar el programaPreparaImagen.exe, que realiza laoperación Canny a cada una de lasimágenes. Una vez finalizado,modificar las imágenes para quetengan 24 bits de profundidad.

67

Caso de uso 2

GRÁFICO N°24. DESCRIPCIÓN DEL CASO 2



Caso de uso 3

GRÁFICO N°25. CASO DE USO 3



1. Creación de la matriz de positivos

•1.1. Descripción

•En este caso de uso secrea una matriz a partirde las imágenespositivas,

•que será utilizada parael entrenamiento delclasificador.

2. Flujo de Eventos


•1. Introducir en elcódigo deDemotMatlabEngine.cpp la dirección de lacarpeta que contienelos positivos. Indicar elnúmero de círculos ysectores que usará eldescriptor, así como elnombre con el que sedesea que se guardenlos datos.

3. Precondiciones

•3.1. Haber preparadolas imágenes medianteel caso de uso 1.

•3.2. Incluir en el pathde matlab la carpetaque contiene lasimágenes positivas.

•3.3 Disponer de lalibreríaDescriptor_Mex.dll.

1. Entrenamiento de la cascada


•En este caso de uso seobtiene un clasificadora partir de la matrizcon la informaciónsobre los positivos.

2. Flujo de Eventos


•1. Abrir Matlab y cargar la matriz.

•2. Ejecutar el entrenador por medio de red neurnal.

•3. Guardar el resultado del entrenador en un archivo .xml.

3. Precondiciones

•3.1. Haber preparadolas imágenes medianteel caso de uso 2.

•3.2. Disponer de lalibreríaDescriptor_Mex.dll.

68

Caso de uso 4

GRÁFICO N°26. DESCRIPCIÓN DEL CASO 4



DISEÑO E IMPLEMENTACIÓN DEL PROYECTO Algoritmos

El presente software este determinado por los siguientes pseudocódigos. Los

algoritmos de entrenamiento y para el proyecto están detallados a continuación:

Algoritmo 1: Software De Detección

La Parte primordial del código, se encarga en gestionar el recorrido de la imagen

y aplicar el método o función de detección.

1. Detección


•En este caso de uso se detectan los objetos que pueden aparecer en una imagen a partir del clasificador entrenado en el caso de uso 3.

2. Flujo de Eventos


•1. Introducir los valores yarchivos que se utilizaránpara la detección.

•2. Carga de la imagen aanalizar.

•3. Carga de la cascada enmemoria.

•4. Recorrido de la imagenen busca de los objetos.

•5. Los resultados sefiltran para eliminarposibles falsos positivos.

•6. El resultado del filtradodel paso 5 se guarda enun archivo y es mostrado.

•2.2 Flujo alternativo

•2.2.1. En el paso 2.

•La imagen indicada noexiste, el programafinaliza.

•2.2.2. En el paso 3.

•El archivo con la cascadano existe, el programafinaliza.

3. Precondiciones

•3.1. Disponer de la cascada entrenada en el caso de uso 3.

69

GRÁFICO N°27. ALGORITMO 1: SOFTWARE DE DETECCIÓN



Algoritmo 2: Carga del clasificador

El pseudocódigo de carga del clasificador detalla el proceso del método que

realiza la carga del archivo que contiene el clasificador en la estructura para su

posterior utilización.

GRÁFICO N°28. ALGORITMO 2: CARGA DEL CLASIFICADOR



Apertura del archivo

Mientras el archivo tenga líneas.

Si la línea indica inicio de nivel.

Cargar valores de nivel

Mientras la línea no indique final de nivel.

Cargar datos de características

Fin de nivel.

Fin del archivo

Carga de la imagen a analizar y de la imagen en la que se guardan los datos.

Carga del archivo del clasificador.

Procesar la imagen mediante proyección para reducir el tamaño si así se desea

Preparación de la imagen para ser analizada por el detector

Desde el tamaño mínimo de la ventana de detección hasta el máximo,

incrementándose en el factor indicado.

Desde el punto inicial hasta el tamaño de la imagen menos el de la ventana

en el eje y, incrementándose en el factor indicado.

Desde el punto inicial hasta el tamaño de la imagen menos el de la

ventana en el eje x, incrementándose en el factor indicado.

Aplicar el detector a la ventana.

Si la ventana es un positivo, marcarla en la imagen de salida y

guardar los valores en la lista de positivos

Finalizar el recorrido en x.

Finalizar recorrido en y.

Finalizar el incremento del tamaño de la ventana.

Calcular intersecciones de positivos.

Mostrar resultados.

70

Algoritmo 3: Proyección

El pseudocódigo de carga del clasificador detalla el proceso del método que utiliza

el algoritmo de proyección para reducir el tamaño de la imagen y acelerar el tiempo

de proceso de la aplicación.

GRÁFICO N° 29. ALGORITMO 3: PROYECCIÓN



Desde el inicio de la imagen hasta el final en el eje x.

Desde inicio de la imagen hasta el final en el eje y.

Si el píxel no es blanco, se incrementa la suma en 1.

Si la suma es mayor de 1.

Si el punto menos el margen no está fuera de la imagen, marcamos

como margen lateral izquierdo el punto menos el margen.

Salimos del bucle.

Desde el final de la imagen hasta el inicio en el eje x.

Desde el inicio de la imagen hasta el inicio en el eje y.



Si el punto más el margen no está fuera de la imagen, macamos como

margen lateral derecho el punto más el margen.

Salimos del bucle.

Desde el inicio de la imagen hasta el final en eje y.




Si el punto menos el margen no está fuera de la imagen, marcamos como

margen superior el punto menos el margen.

Salimos del bucle.

Desde el final de la imagen hasta el inicio en el eje y.




Si el punto más el margen no está fuera de la imagen, marcamos

como margen lateral inferior el punto más el margen.

Salimos del bucle.

Si algún no es el original.

Copiamos la región indicada en una imagen nueva.

Retornamos la imagen nueva.

Retornamos la imagen original.

71

Algoritmo 4: Detector

El algoritmo del detecto explica el algoritmo de detección utilizado para detectar

los posibles objetos dentro de las imágenes.

GRÁFICO N°30. ALGORITMO 4: DETECTOR



ALGORITMO DE APRENDIZAJE DEL CLASIFICADOR

El aprendizaje es el proceso de estimación de una dependencia desconocida

(entrada, salida) o estructurada de un sistema utilizando un número limitado de

observaciones como se muestra en la siguiente Ilustración. El esquema de

aprendizaje incluye tres componentes:

1. Un generador de vectores de entrada aleatorios.

2. Un sistema que proporciona una salida para un vector de entrada dado.

3. Una máquina de aprendizaje que estima una relación desconocida

(entrada, salida) del sistema a partir de las muestras observadas (entrada,

salida).

Obtener región a analizar de la imagen total.

Describir la región.

Mientras queden niveles del clasificador.

Mientras queden características del nivel.

Si la polaridad es -1, y el valor de la región indicada por la

característica es mayor que el theshold de la característica, se

incrementa la suma en la Alpha de la característica.

Si la polaridad es 1, y el valor de la región indicada por la

característica es menor que el threshold de la característica, se

incrementa la suma en la Alpha de la característica.

Fin de las características.

Si la suma es menor que el threshold del nivel.

72

GRÁFICO N°31. MÁQUINA DE APRENDIZAJE



El clasificador está basado en una cascada de clasificadores binarios entrenados

mediante el algoritmo de Adaboost descrito a continuación.

Dadas las imágenes de ejemplo (𝑥1,𝑦1 ), … , (𝑥𝑛,𝑦𝑛) donde 𝑦𝑖 = 0,1 para los

ejemplos negativos y positivos respectivamente.

• Inicializamos los pesos para respectivamente 𝜔1,𝑖 =1

2𝑚,

1

2𝑛 para 𝑦𝑖 = 0,1

respectivamente donde 𝑚 y 𝑙 son el número de negativos y positivos

respectivamente.

• Para 𝑡 = 1, … , 𝑇:

1. Normalizar los pesos, 𝜔𝑡,𝑖 ←𝜔𝑡,𝑖

∑ 𝜔𝑡,𝑗𝑛𝑗=1

De manera que 𝜔𝑡 es una distribución de probabilidad.

2. Para cada característica, j, entrenar un clasificador hj que está restringido

a usar una sola característica. El error es evaluado con respecto a

𝜔𝑡 ,𝜖𝑗 = ∑ 𝜔𝑖|ℎ𝑗(𝑥𝑖) − 𝑦𝑖|

𝑗

𝑖

3. Escoger el clasificador, hj, con el menor error 𝜖𝑡

4. Se actualiza los pesos:

𝜔𝑡 + 1, 𝑖 = 𝜔𝑡,𝑖𝛽𝑡1−𝑒𝑖

Donde 𝑒𝑖 = 0 si el ejemplo 𝑥, se ha clasificado correctamente, 𝑒𝑖 = 1 en

caso contrario, y 𝛽𝑡 =𝜖𝑡

1−𝜖𝑡

Generador

de muestra Máquina de

aprendizaje

sistema

X y

y

73

• El clasificador fuerte final es:

ℎ(𝑥) = { ∑ 𝛼𝑡ℎ𝑡(𝑥) ≥1

2

𝑇

𝑡=101 ∑ 𝛼𝑡

𝑇

𝑡=1

donde 𝛼𝑡 = log1

𝛽𝑡

Una vez obtenemos un clasificador, entrenamos los siguientes teniendo en

cuenta los casos negativos no descartados por los clasificadores anteriores.

GRÁFICO N° 32. EJECUCIÓN DE LA RED NEURONAL


Fuente: Katherine Anastacio y Eduardo Saverio

74

ENTRENAMIENTO

Para el entrenamiento del clasificador en Matlab necesitaremos los siguientes

datos:

• Una matriz que contiene en cada fila una imagen positiva a la cual se le

ha aplicado la función Canny.

• Número de negativos que se quieren utilizar para entrenar cada nivel de

la cascada.

• Número de niveles que se desean entrenar.

• Porcentaje de acierto mínimo para pasar al siguiente nivel. El clasificador

de ese nivel debe clasificar como positivo el porcentaje indicado.

• Porcentaje de error máximo para pasar al siguiente nivel. El porcentaje

máximo de negativos que el clasificador puede clasificar como positivos

en un nivel.

• Una carpeta que contiene las imágenes negativas, a las cuales se les ha

aplicado la función Canny. Es necesario que las imágenes negativas no

contengan ninguna de las imágenes positivas.

• Formato en el que se encuentran las imágenes negativas.

• Tamaño mínimo en el eje y de los negativos a utilizar. El entrenador del

clasificador selecciona regiones al azar de las imágenes negativas para

usarlas. Esta región debe tener como mínimo el tamaño indicado, si no

se descartará y se seleccionará otra.

• Tamaño mínimo en el eje x de los negativos a utilizar. El mismo caso

que en el eje Y.

• Número de iteraciones máximas que se usaran por nivel. El entrenador

intentara cumplir las condiciones de porcentaje de acierto mínimo y de

error máximo en un número concreto de iteraciones.

• Número de círculos que utilizara el descriptor. Debe ser el mismo que se

usó para describir a los positivos de la matriz.

• Número de sectores que utilizara el descriptor. Debe ser el mismo que

se usó para describir a los positivos de la matriz

75

EXTRACCIÓN DE CARATERÍSTICAS

Ahora bien, la extracción de características sobre las piezas dentales analizadas

se realizó con la segmentación de la pieza dental. Las características que se han

extraído son: área total, entropía, contraste, correlación, energía, homogeneidad

y salida. Las características mencionadas serán de gran aporte al momento de

llevarlo a la siguiente etapa de clasificación.

De igual forma, por medio de la morfología matemática aplicada al procesamiento

digital te imagen, se han podido obtener y representar las características de las

imágenes procesadas mediante la aplicación de ciertas ecuaciones. A

continuación, se presenta las ecuaciones empleadas.

Entropía: permite medir la incertidumbre que existe en correspondencia a la

distribución de los pixeles que posee la imagen en estudio. Su fórmula matemática

para calcular es la siguiente:

− ∑ ∑ 𝑝(𝑖, 𝑗)log (𝑝(𝑖, 𝑗))𝑗𝑗

Contraste: facilita observar la iluminación y poder diferenciar la intensidad que

posee la imagen en análisis. Su fórmula matemática para calcular es la siguiente:

∑ 𝑛2 {∑ ∑ 𝑝(𝑖, 𝑗)𝑁𝑔

𝑗=1

𝑁𝑔

𝑖=1} , |𝑖, 𝑗|

𝑁𝑔−1

𝑛=0= 𝑛

Correlación: es un método estadístico el cual permite conocer si existe relación

alguna entre las variables, es decir, posibilita realizar la medición de

desplazamiento o deformaciones de los pixeles que componen la imagen en

estudio. Para el cálculo de la correlación se emplea la siguiente fórmula:

∑ ∑ (𝑖, 𝑗)𝑝(𝑖, 𝑗) − 𝜇𝑥𝜇𝑦𝑗𝑖

𝜎𝑥𝜎𝑦

Energía: facilita la suma de los elementos cuadrados a través de la matriz de

coocurrencia de nivel gris (GLCM), es decir, se encarga de maximizar los valores

grandes y así mismo, disminuir los valores más pequeños. Su fórmula es la que

se presenta a continuación:

76

∑ ∑ (𝑖, 𝑗)2

𝑗𝑖

Homogeneidad: está conforma por aquellos elementos donde los pixeles que

poseen igual valor, así miden la proximidad existente de la distribución de

elementos de la GLCM; es decir mide la igualdad o semejanza, si concuerda

tendrá un solo valor igual a 1, en caso contrario, se tomará tomo nulo y su valor

es de 0. La fórmula de la ecuación es la siguiente:

∑ ∑1

1 = (𝑖, 𝑗) 2 𝑝(𝑖, 𝑗)𝑗𝑖

GRÁFICO N°33. DETECCIÓN DE CARACTERÍSTICAS



DIAGRAMA DE SECUENCIAS

Los diagramas de secuencia que se hallan a continuación, se presenta el

funcionamiento interno del software.

En el gráfico n°29 muestra a trávez de un diagrama de secuencia del código

principal. En el presente gráfico se puede observar el recorrido en los ejes que

realiza el software sobre la imagen para los diversos tamaños de la ventana del

descriptor. Este diagrama describe el escenario en el caso de que no se produzca

ningún error.

En el gráfico n°30 muestra la secuencia del método de la proyección, cuyo fin es

reducir el tamaño de la imagen para acelerar el proceso de cálculo. En el diagrama

se detalla al flujo para calcular el margen izquierdo y derecho de la imagen. El

cálculo del margen superior e inferior se realiza de manera análoga.

77

Cargar imagen

Guardar positivo

Muestra Resultado

Usuario

GRÁFICO N° 34. SECUENCIA PRINCIPAL



Interfaz Detector Proyección

Cargar Cascada

Proyección Imagen

Para cada tamaño de ventana

Desplazándose en el eje y

Desplazándose en el eje x

Aplicar detector

Detector

78

Proyección

Suma pixeles negros

Margen nuevo=x-margen

Suma pixeles negros

Margen

nuevo=x + margen

Imagen modificada

Imagen Original

GRÁFICO N°35. DIAGRAMA DE SECUENCIA MÉTODO DE

PROYECCIÓN



Suma >1

Desplazándose en el eje y 0-final

Desplazándose en

el eje x 0-final

Desplazándose en

el eje y 0-final

Desplazándose en el eje x 0-final

Suma >1

Repetir el proceso

en el eje y

Margen cambiada

Proyección

79

Detectado

En el grafico n°31 manifiesta el funcionamiento interno del detector. El diagrama

de secuencia de detector muestra los dos posibles retornos del método. Si en

algún nivel no se supera el threshold, el método retorna no detectado. Si se

superan todos los niveles el método retorna detectado.

GRÁFICO N°36.DIAGRAMA DE SECUENCIA DEL DETECTOR



Detector

Detector Describir imagen

Para todos los niveles de la cascada

Para cada

característica

Polaridad=-1&

Valor descriptor

mayor Threshold

Polaridad=1&

Valor descriptor

mayor Threshold

Suma Alpha

Suma Alpha

Suma menor threshold nivel

No detectado

80

DETECCIÓN

Para la detección de objetos en imágenes tendremos que tener los siguientes datos:

• Una imagen de entrada. Ésta es la imagen que se desea analizar y debe de estar

en formato png.

• Un nombre para la imagen de salida. La imagen debe de tener alguno de los

formatos aceptados por la librería de matlab. En nuestro caso para mostrarlos

por la interfaz utilizaremos el formato png.

• Un archivo con la cascada de clasificadores entrenada. Debemos saber qué

número de círculos y sectores se ha utilizado en el descriptor a la hora de

entrenarla.

• Un número máximo de niveles a cargar del clasificador. Dejamos que se pueda

seleccionar este parámetro para poder detectar casos de sobreentrenamiento en

el clasificador y corregirlos sin necesidad de entrenar otra cascada.

• Un tamaño mínimo de la ventana detectora. Este tamaño debe ser

aproximadamente el cuadrado más pequeño que pueda contener el objeto a

detectar.

• Un tamaño máximo de la ventana detectora. Éste será mayor que el mínimo, y

nos indicará hasta que tamaño debemos buscar objetos.

• Como se irá incrementando el tamaño de la ventana detectora, y el tamaño en el

cual se incrementa. Puede ser sumando píxeles al tamaño anterior o

multiplicándolo por un factor.

• Como se desplazará la ventana detectora y el factor de desplazamiento. Como

en el caso del incremento, el desplazamiento por cada tamaño de la ventana

puede ser siempre el mismo, aumentar multiplicándolo por un factor, o que

mantenga siempre la misma relación de tamaño respecto a la primera ventana

detectora.

• Número de intersecciones y tamaño de éstas sobre un objeto para considerarlo

positivo. Nos indica el número de detecciones que ha de darse sobre una zona

para considerar que contiene una imagen positiva.

• La operación de preproceso que se desea aplicar a la imagen. Podemos elegir

no realizar ningún tipo de preproceso o realizar proyección, en cuyo caso

deberemos indicar un margen que se añadirá a la imagen una vez se haya

realizado la operación.

•

•

81

USO DE DEEP LEARNING EN EL PROYECTO

Después de la detección de características, a trávez de la arquitectura de una red

neuronal convolución se cambia a clasificación de capa siguiente a la última es

una capa totalmente conectada al fondo competitivo que genera un vector de X

dimensiones donde Y es el número de clases que la red podrá predecir. Este

vector contiene la probabilidad para cada clase de cualquier imagen siendo

clasificada. La capa final de la arquitectura una red neuronal convolución utiliza

una función para proporcionar la salida de clasificación y así poder identificar la

pieza dental a través de una imagen y con un profundo aprendizaje se pudo

detectar el objeto como se muestra en el gráfico n°31 y en el gráfico n°32 se

representa el flujo de trabajo para el reconocimiento de la pieza dentaria.

GRÁFICO N° 37. USO DE DEEP LEARNIG



Entrada

extraer de características Comparación

82

GRÁFICO N° 38. FLUJO DE TRABAJO PARA EL RECONOCIMIENTO

DE OBJETOS



PLAN DE PRUEBAS FUNCIONALES

Las pruebas funcionales nos proporcionarán evaluar el funcionamiento del

sistema y los resultados del mismo, se analizará el comportamiento de los datos

de entrada y salida bajo un entorno de pruebas. Mediante prueba de caja negra

se interpretará los datos entrantes y salientes del sistema y comprobar si cumplen

los resultados esperados.

GRÁFICO N° 39.PRUEBAS FUNCIONALES SPRINT #4

Información General

MÓDULO Imagen

PROPÓSITO Cargar imagen, limpiar imagen, encender cámara,

capturar imagen, histograma.

Ubicación C:/Users/detección_dental/Desktop/www/index.html

RESPONSABLE Autores del proyecto

PRERREQUISITOS

Ninguno

DESCRIPCIÓN DE CASOS DE PRUEBA

Primer Premolar

83

1. Ingresar la imagen al sistema

2. Visualizar la imagen en un axes

3. Encender cámara

4. Capturar imagen

5. Visualizar en un axes el histograma de la imagen ingresada.

Método: Caja negra

ENTRADAS:

1. [nombre dire] = uigetfile("*.png","subir");- subir imagen

2. vid= videoinput('winvideo', 1, 'YUY2_160x120'); - encender camara

3. captura = getsnapshot(vid);- capturar imagen

4. grayImg=mat2gray(img1); - histograma de la imagen cargada

PANTALLAS A PROBAR:

R1 Pantalla de imagen

INSTRUCCIONES DE PRUEBA

1. Dar clic en el botón cargar imagen.

2. Buscar imagen que desea subir.

3. Dar clic en el botón recortar imagen.

4. Dar clic en el botón encender cámara.

5. Capturar imagen.

6. Dar clic en el botón histograma.

CRITERIOS DE ACEPTACIÓN

1. Los resultados de las pruebas no contienen errores.

Elaborado por: Katherine Anastacio y Eduardo Saverio. Fuente: Katherine Anastacio y Eduardo Saverio.

84

GRÁFICO N° 40. PRUEBA FUNCIONALES SPRINT #4


MÓDULO segmentación de imagen

PROPÓSITO Técnicas del PDI, técnicas de pre-

procesamiento de imagen

Ubicación C:/Users/Eduardo/Desktop/www/index.html


PRERREQUISITOS

Ninguno


1. Visualizar la imagen subida por el usuario

2. Elaborar los modelos de algoritmos de segmentación de imagen

3. Procesar la imagen a través de las técnicas del PDI

Método: Caja negra

ENTRADAS:

1. im=handles.img;

2. erosion=imerode(im,se);

3. filtro=imnoise(im,'salt & pepper',0.05);

4. ruido_gausiano = imnoise(im,'gaussian');

5. filtroTOPHAT=imtophat(img_gris,se);

6. img_kmedia= kmeans (img_canny,3);

7. seD = strel('diamond',1);

8. img_canny=edge(fbinaria,'canny ');

9. img_sobel=edge(img_binaria,'sobel');

10. img_dilatada = imdilate(im,se);

11. BWsdil = imdilate(BWs, [se90 se0]);

12. BWfinal = imerode(BWnobord,seD);

PANTALLAS A PROBAR:

R2. Pantalla de segmentación

https://www.facebook.com/

85


1. Cargar la imagen al abrir la interfaz de usuario, dando clic en el botón

cargar imagen.

2. Procesar la imagen y dando clic en cada uno de los botones de todas

las técnicas de procesamiento y pre- procesamiento de imagen.


1. Los resultados de las pruebas no tuvieron errores



GRÁFICO N° 41. PRUEBAS FUNCIONALES SPRINT #4


MÓDULO Detección de características

PROPÓSITO detección de características, muestra de

características.



PRERREQUISITOS

Ninguno

86


1. Detectar las características de la pieza dental

2. Mostrar características de la pieza dental

Método: Caja negra

ENTRADAS:

1. [ref_features, ref_validPts] = extractFeatures(ref_img_gray, ref_pts);

2. image = imcrop(ref_img,[ref_pts(i).Location-10*scale 20*scale 20*scale]);

3. rectangle('Position',[5*scale 5*scale 10*scale

10*scale],'Curvature',1, 'EdgeColor','g');

PANTALLAS A PROBAR:

R3. Pantalla Detección de características.


1. Cargar la imagen al abrir la interfaz de usuario.

2. La segmentación previamente pre-escrita, dando clic botón en el

detector de características y también dando clic en el botón en la

muestra de características.


1. Los resultados de las pruebas no tienen errores.



87

GRÁFICO N° 42. PRUEBAS FUNCIONALES SPRINT #4


MÓDULO Propiedades detectadas

PROPÓSITO propiedades de la pieza dental.



PRERREQUISITOS

Ninguno


1. Detectar las características de la pieza dental

2. Mostrar propiedades detectadas de la pieza dental estos ya sea área y

el nombre.

Método: Caja negra

ENTRADAS:

ar=handles.final;

Area = bwarea(ar)

PANTALLAS A PROBAR:

R4. Pantalla Propiedades Detectadas

88


1. Cargar la imagen al abrir la interfaz de usuario.

2. Las propiedades detectadas previamente pre-escrita, dando clic botón

en las propiedades detectadas.


1. Los resultados de las pruebas no deben contener errores

Elaborado por: Katherine Anastacio y Eduardo Saverio. Fuente: Katherine Anastacio y Eduardo Saverio.

ENTREGABLES DEL PROYECTO

Al final del proyecto se va a realizar la entrega de los archivos de Matlab (Código

fuente), la interfaz gráfica donde se encuentra la implementación de los

algoritmos, así como el manual técnico y manual de usuario, la data recolectada

de las imágenes de la cavidad bucal para la segmentación e identificación de las

piezas dentales

CRITERIOS DE VALIDACIÓN DE LA PROPUESTA

En estos criterios de validación se realizaron pruebas de algoritmo para verificar

los resultados obtenidos conforme al sustento de la base de datos el sistema

tiende a ser más precisa como se muestra en las siguiente graficas:

Mediante es estudio y detección de la necesidad que tiene las personas adultas

para conocer acerca de sus piezas dentales se propuso como solución el

desarrollo de una interfaz educativa para la detección de piezas dentales la cual

ayudara para agilitar el aprendizaje de su cavidad dentaria, la cual se define como

aceptable detallando a continuación todo el proceso que se lleva a cabo en la

actualidad:

• Se diseño una interfaz gráfica y web que muestre el caracterizado de las

piezas dentales para personas adultas.

• Se creo una Base de datos de información para catalogar las piezas

dentales en función de las odontogramas.

• Se aplico la metodología de desarrollo scrum para modelar las interfaces

que complementan la detección de objetos.

89

• Se generar reportes que den a conocer la cantidad de iteraciones que

realizan las redes neuronales artificiales como clasificador de objetos en la

tarea de reconocimiento de piezas dentales.

GRÁFICO N° 43. REPRESENTACION DE LA INTERFÁZ GRÁFICA

Elaborado por: Katherine Anastacio y Eduardo Saverio Fuente: Katherine Anastacio y Eduardo Saverio

PROCESAMIENTO Y ANÁLISIS

Introducción al sistema

Las fases de levantamiento de datos se realizó una examinación de las factibles

alternativas en donde se podría emplear los algoritmos indicados en grupo de

modelo de aprendizaje. Y es aquí donde también se hizo de preferencia el

lenguaje de programación que se empleó.

Acorde al lenguaje de programación matemático que se eligió, fue más

comprensible la elección del modelo de aprendizaje debido a su compatibilidad,

de preferencia Matlab fue elegido debido a su facilidad de uso, ha sido uno de los

lenguajes con mayor ranking de usabilidad y porque cada vez ha ido mejorando a

una gran escala.

90

Para la selección del algoritmo se requirió mucho más tiempo debido a que en la

opción de este, se tuvieron que tomar en cuenta ciertas especificaciones que se

requerían para el proyecto con respecto a su uso y la finalidad que se tenía para

con él.

Técnicas para el procesamiento y Análisis de Datos

En la actualidad la Carrera de Ingeniería en Sistemas Computacionales existe una

población de 1200 estudiantes por lo que en nuestro proyecto de titulación se

realizó una investigación para poder sacar un aproximado de 166 por lo que se

consideró realizar una encuesta de ocasión a una parte de la población en la que

se desea conocer sus diferentes puntos de vistas sobre la situación que se

presenta en nuestros días en la que se utilizará la siguiente formula:

Fórmula 1. Formula estadística de la población conocida.

𝑛 =𝑍2 ∗ 𝑃 ∗ 𝑄 ∗ ||𝑁

𝐸2(𝑁 − 1)+ 𝑍2 ∗ 𝑃 ∗ 𝑄



TABLA N° 1. VARIABLES DE LA FORMULA “POBLACIÓN

CONOCIDA”

Variable Descripción Valor

P Probabilidad de éxito 80

Q Probabilidad de fracaso 20

N Tamaño de la población 30.086

E Error de estimación 4

K Numero de desviación típica

“z”

96%

Z Nivel de confianza elegido.

(95%)

1.96

N Tamaño de la muestra 612



91

Usando la siguiente formula se obtiene la muestra óptima para realizar la

encuesta.

Fórmula 2. Calcular la muestra

𝑛 =𝑍2 ∗ 𝑃 ∗ 𝑄 ∗ 𝑁

𝐸2(𝑁 − 1)+ 𝑍2 ∗ 𝑃 ∗ 𝑄

𝑛 =22 ∗ 50 ∗ 50 ∗ 30.086

42(30.086 − 1)+ 22 ∗ 50 ∗ 50

𝑛 =300.860.000

481.360 + 10.000

612 =300.860.000

491.360



Luego de haber aplicado la fórmula y proceder a los cálculos para obtener la

muestra nos dio como resultado un total de 612 habitantes de la que se tomó una

pequeña fracción de 70 personas para realizar la presente encuesta de ocasión la

cual estará compuesta de 20 estudiantes y 50 personas en general que forman

parte de la institución. Donde se ha realizado una encuesta de 8 preguntas

presentando los siguientes resultados.

CUADRO N° 18. MIEMBROS QUE CONFORMAN LAS ENCUESTAS

Descripción Cantidad

Estudiantes de 8°vo semestre 20

Personas en general 50

TOTAL 70


Fuente: Datos de la investigación

92

Encuesta realizada:

1. En general, ¿Qué tan importante son las piezas dentales para usted?

CUADRO N° 19. RESULTADOS DE LA ENCUESTA REALIZADA DE LA

PREGUNTA N° 1

Opciones de Respuestas Cantidad Porcentaje

Extremadamente Importante 47 55%

Muy Importante 17 40%

Moderablemente Importante 6 5%

Poco Importante 0 0%

TOTAL 70 100%



GRÁFICO N° 44. REPRESENTACIÓN GRÁFICA DE LA PREGUNTA 1



Análisis:

En el análisis del gráfico 6 se refleja con un 40% que es muy importante para las

personas encuestadas se refleja que el sí es importante las piezas dentales para

los estudiantes; sin embargo un 55% están extremadamente importante pero solo

hubo un 5% que dijo que era moderadamente importante.

55%40%

5% 00%

20%

40%

60%

ExtremadamenteImportante

Muy importante Moderablementeimportante

Poco importante

1. En general, ¿Qué tan importante son las piezas dentales para usted?

93

2. Usted, ¿Tiene conocimiento de las características de una pieza

dental(dientes)?


PREGUNTA N° 2


Muy Poco 51 75%

Poco 3 5%

Mucho 16 20%

Bastante 0 0%

TOTAL 70 100%






Análisis:

En el análisis del gráfico 7 se refleja con un 75% de las personas encuestadas

tienen muy poco conocimiento de las características de una pieza dental, sin

embargo, otro 20% tiene poco conocimiento sobre dientes, pero solo hubo un 5 %

que si tiene conocimiento.

75%

20% 5% 0%0%

20%

40%

60%

80%

MUY POCO POCO MUCHO BASTANTE

2. Usted, ¿Tiene conocimiento de las características de una pieza

dental(dientes)?

94

3. Usted, ¿Tiene conocimientos del número de piezas dentales que posee su

cavidad bucal?


PREGUNTA N°3


Muy poco 47 65%

Poco 6 7,5%

Mucho 17 27,5%

Bastante 0 0%

TOTAL 70 100%






Análisis:

En el análisis del grafico 7 se refleja con un 65% de las personas encuestadas

tienen muy poco conocimiento del número de sus piezas dentales, sin embargo,

para el 27,5% no tiene conocimiento, pero solo con un 7,5% si tiene mucho

conocimiento.

65%27,5% 27,5% 0%

0%

20%

40%

60%

80%


3.Usted, ¿Tiene conocimientos del número de piezas dentales que posee

su cavidad bucal?

95

4. Usted considera, ¿tiene conocimiento sobre el funcionamiento que

tiene cada diente dentro de su cavidad bucal?


PREGUNTA N°4


Muy Poco 47 67.5%

Poco 17 12,5%

Mucho 6 20%

Bastante 0 0%

TOTAL 70 100%






Análisis:

En el análisis del grafico 9 se refleja con un 67,5% de las personas encuestadas

que tiene muy poco conocimiento sobre el funcionamiento de cada uno de los

dientes, sim embargo, para el 12,5 tiene poco conocimiento de sus piezas

dentarias, pero un 20% si tiene mucho conocimiento.

67,5%

12,5% 20% 0%0,0%

20,0%

40,0%

60,0%

80,0%


4. Usted considera, ¿tiene conocimiento sobre el funcionamiento que tiene cada

diente dentro de su cavidad bucal?.

96

5. Usted, ¿Conoce de herramientas tecnológicas para la detección de

piezas dentales?


PREGUNTA N° 5


Muy Poco 49 62,5%

Poco 17 35%

Mucho 4 5%

Bastante 0 0%

TOTAL 70 100%






Análisis:

En el análisis del grafico 10 se refleja con un 62.5% de las personas encuestadas

no tienen conocimiento de herramientas tecnológicas para la detección de piezas

dentales, sin embargo, para el 35% tiene poco conocimiento, pero solo con un 5%

si tiene mucho conocimiento.

35%5%

62,5%

0%0%

20%

40%

60%

80%

POCO MUCHO MUY POCO BASTANTE

5. Usted, ¿Conoce de herramientas tecnológicas para la detección de

piezas dentales?

97

6. Considera usted, ¿Qué se pueda utilizar la inteligencia artificial en el

área médica generando un gran aporte para sus investigaciones?


PREGUNTA N° 6


Totalmente Acuerdo 50 75%

Parcial Acuerdo 14 16,6%

Desacuerdo 4 6,3%

Muy poco 2 3,1%

TOTAL 70 100%






Análisis:


están totalmente de acuerdo que se pueda utilizar la inteligencia artificial en el

área de la medicina para que genere un aporte a sus investigaciones, sin embargo,

75%

15,60% 6,30% 3,10%0%

20%

40%

60%

80%

TOTALMENTE ACUERDO

PARCIAL ACUERDO DESACUERDO TOTAL DESACUERDO

6. Considera usted, ¿Qué se pueda utilizar la inteligencia artificial en el

área médica generando un gran aporte para sus investigaciones?

98

para el 15,6% están parcialmente acuerdo, un 6.3% son indiferente, pero hubo un

3.1% estuvo en total desacuerdo.

7. Considera usted, ¿Qué las herramientas tecnológicas, podría ser de

mayor precisión para el campo de la medicina de forma general?


PREGUNTA N° 7


Totalmente Acuerdo 54 82,5%

Parcial Acuerdo 14 15%

Indiferente 2 2,5%

Total Desacuerdo 0 0%

TOTAL 70 100%






Análisis:

En el análisis del grafico 12 se refleja con un 82.5% de las personas encuestadas

están totalmente de acuerdo que las herramientas tecnológicas podrían ser de

82,5%15% 2,50% 0%

0,0%

50,0%

100,0%

TOTALMENTE

ACUERDO

PARCIAL ACUERDO INDIFERENTE TOTAL DESACUERDO

7. Considera usted, ¿Qué las herramientas tecnológicas, podría ser de mayor

precisión para el campo de la medicina de forma general?

99

mayor precisión para el campo del a medicina en general, sin embargo, para el

15% están parcialmente acuerdo, un 2.5% respondieron indiferente.

8. Cree usted, ¿Qué es beneficioso constar con una interfaz gráfica

educativa para tener mayor conocimiento de sus piezas dentales?


PREGUNTA N° 8


Totalmente Acuerdo 47 67%

Parcial Acuerdo 17 24%

Indiferente 6 9%

Total Desacuerdo 0 0%

TOTAL 70 100%






80%

12,5% 7,50% 0%0%

20%

40%

60%

80%

100%

TOTALMENTE

ACUERDO

PARCIAL ACUERDO INDIFERENCIA TOTAL DESACUERDO

8. Cree usted, ¿Qué es beneficioso constar con una interfaz gráfica

educativa para tener mayor conocimiento de sus piezas dentales?

100

Análisis:


están totalmente de acuerdo que es muy beneficioso contar con una interfaz

gráfica educativa para mayor conocimiento de piezas, sin embargo, para el 12,5%

están parcialmente acuerdo, un 7.5% respondieron indiferente.

CAPITULO IV. RESULTADOS, CONCLUSIONES Y

RECOMENDACIONES

En el presente capítulo se expresa exclusivamente en los resultados que se han

obtenido a lo largo del desarrollo de esta investigación. Por otra parte, se dará a

conocer las conclusiones y recomendaciones que se ha logrado inferir con base

en los resultados.

RESULTADOS

Una vez finalizado el proyecto se ha obtenido los resultados esperados. Se logró

identificar la pieza dental de una persona por medio de la herramienta de matlab

que fue de gran ayuda para la contribución en los procesos de reconocimiento de

la pieza dentaria y algoritmos que se implementaron para que lograr identificar y

detectar la pieza dental de un adulto con exactitud. Como se puede contemplar en

las pruebas funcionales del Sprint 4. También se logró diseñar una interfaz web

educativa la cual los usuarios podrán interactuar y adquirir conocimientos de cada

una de sus piezas dentaria; se fue describiendo los procesos detalladamente en

el manual de usuario y técnico que se muestran en los anexos 1 y 2.

101

CONCLUSIONES

Una vez finalizado el proyecto de proyecto se llega a las siguientes conclusiones:

• Gracias al estudio realizado previamente relacionado al procesamiento

digital de imagen, se ha podido conocer el gran avance que se ha dado

dentro en diversos campos de la ciencia y la tecnología, en los cuales han

optado por implementar el PDI. Cabe aclarar que el campo de la

odontología no es la excepción, teniendo en cuenta la captura de imagen

de una pieza dental y aplicación de las técnicas de segmentación, a fin de

poder obtener un resultado de su identificación de la pieza dentaria, tales

con el nombre, el área un diente.

• La obtención de imágenes de las piezas dentales fue fundamental para la

investigación, estas posibilitaron poder continuar con las pruebas de

segmentación, a través del uso de diversas imágenes que contenía

distintos panoramas piezas dentales. De otro lado, se puede concluir que,

a mayor cantidad de imágenes para ser procesadas y analizadas, se

puede obtener un resultado con mayor índice de precisión.

• La red neuronal fue entrenada con una gama de imágenes de piezas

dentarias de diferentes ángulos y de todas las piezas dentales de un adulto

para obtener unos mejores resultados en la identificación de un diente o

muela, dentro del ciclo de entrenamiento se obtuvo una precisión de un

94.49 en la detección de dientes.

• El sistema obtiene una efectividad de un 87,5 en la detección individual de

piezas dentales, teniendo un margen de error de 12.5, este margen de

error de produce por la calidad de la imagen dependiendo el espectro

visible y no visible de una imagen subida al sistema.

102

RECOMENDACIONES

• El presente proyecto se centró exclusivamente en la detección e

identificación de la cavidad bucal; sin embargo, se deja abierta la

posibilidad de implementar otras patologías existentes como lo es la caries,

gingivitis, periodontitis y sobre todo en la descalcificación.

• Se pone en consideración la posibilidad de utilizar otras herramientas de

procesamiento de datos basados en un lenguaje de programación distinto,

tal es el caso de c++, Python; estas herramientas de igual manera permiten

realizar el análisis de imágenes digitales y detección de objeto.

• Dejamos abierto nuestro proyecto con respecto a cambios de la interfaz

gráfica a nuestro futuros colega de la universidad de Guayaquil

• Se recomienda que en la detección de futuros proyectos de detección de

objetos se utilice un mínimo de 30 capas usando la herramienta Deep

Learning.

103

BIBLIOGRAFÍA

Abreu. (2014). El Método De La Investigación Research Method. Daena:

International Journal Of Good Conscience (Vol. 9). Retrieved From

Http://Www.Spentamexico.Org/V9-N3/A17.9(3)195-204.Pdf

Altamirano. (2017). 1.2.- Clasificación De Las Redes Neuronales – Inteligencia

Artificial. Retrieved December 3, 2018, From

Https://Inteligenciartificiallmca.Wordpress.Com/2017/06/10/1-2-Clasificacion-De-

Las-Redes-Neuronales/

Alvarado Moya, P. (2015). Introducción Al Procesamiento Digital De Imágenes.

Obtenido De Http://Www.Ie.Itcr.Ac.Cr/Palvarado/Msc/PAID/Lec01.2.Pdf

Alvares & Nazar. (2013). Trabajo De Investigación Seminario I. Trabajo De

Investigacion, 1, 1–60.

Aperador-Chaparro, W., Bautista-Ruiz, J. H., & Mejía, A. S. (2013). Determinación

Por Visión Artificial Del Factor De Degradación En Aleaciones Biocompatibles

Computer Vision For Determination Of Degradation Factor In Biocompatible

Alloys, 24(2), 109–120. Https://Doi.Org/10.4067/S0718-07642013000200012

Aravena. (2012). ¿Diente O Pieza Dentaria? Revista Clínica De Periodoncia,

Implantología Y Rehabilitación Oral, 5(1), 46–46.

Https://Doi.Org/10.4067/S0719-01072012000100008

Bendemra. (2018). Construye Tu Primer Clasificador De Deep Learning Con

Tensorflow: Ejemplo De Razas De Perros. Retrieved February 23, 2019,

From Https://Medium.Com/Datos-Y-Ciencia/Construye-Tu-Primer-

Clasificador-De-Deep-Learning-Con-Tensorflow-Ejemplo-De-Razas-De-

Perros-Ed218bb4df89

Campos. (2012). Anatomía Básica Del Aparato Digestivo | Urgencias Y

Emergencias Extrahospitalarias. Retrieved November 26, 2018, From

Https://Formacionenemergencias.Blogspot.Com/2012/07/La-Digestion-Es-

El-Proceso-De.Html?View=Flipcard

104

Castillo. (2015). Pulpa Dental. Rev De La Facultad De Odontol.USCG, 2, 1–7.

Ceballos. (2013). Parte IV La Cavidad Bucal, Centro De Variadas Funciones.

Retrieved From

Http://Bibliotecas.Unr.Edu.Ar/Muestra/Medica_Panamericana/97895006030

34.Pdf

Chapin, N. (2004). Agile Methods - Contributions In Software Evolution. In 20th

IEEE International Conference On Software Maintenance, 2004.

Proceedings. (Pp. 522–522). IEEE.

Https://Doi.Org/10.1109/ICSM.2004.1357864

Charland & Leroux. (2011). MOBILE COMPUTING 1 Mobile Application

Development: Web Vs. Native Web Apps Are Cheaper To Develop And

Deploy Than Native Apps, But Can They Match The Native User Experience?

Retrieved From Http://Www.Phonegap.Com/

Díaz-Matha, Gómez, Fernández, L. (2015). Aprendizaje Con Redes Neuronales

Artificiales.

Dominguez. (2016). Las Redes Monocapa. Retrieved December 3, 2018, From

Http://Www.Redes-Neuronales.Com.Es/Tutorial-Redes-Neuronales/Las-

Redes-Neuronales-Monocapa.Htm

Espinoza. (2017). ¿Qué Debo Saber Sobre Las Aplicaciones Web? - Blog

Netcommerce. Retrieved July 26, 2018, From

Http://Info.Netcommerce.Mx/Blog/Debo-Saber-Las-Aplicaciones-Web/

Francia. (2017). ¿Qué Es Scrum? | Scrum.Org. Retrieved August 3, 2018, From

Https://Www.Scrum.Org/Resources/Blog/Que-Es-Scrum

Herol-García, S., & Escobedo-Nicot, M. (2007). Segmentacíon De Imágenes

Médicas Con La Aplicacion De Snakes. Ciencia En Su Pc. 1 (4), 12–22.

Huerta, V. (2014). Visión Artificial Para Reconocimiento De Mangos Exportables

Utilizando Redes Neuronales, 4, 38–45.

Galdames. (2017). Hueso Alveolar. Retrieved From

Https://Www.Ecured.Cu/Hueso_Alveolar

105

Galvan. (2016). Anatomía Dental. Retrieved November 26, 2018, From

Https://www.Thinglink.Com/Scene/792840693704818690

Gálvez, S. (2014). Operadores De Detección De Bordes. Santiago: Universidad

De Chile.

García López, A. A. (Agosto De 2015). UNIVERSIDAD TECNOLÓGICA DE LA

MIXTECA. Obtenido De Http://Jupiter.Utm.Mx/~Tesis_Dig/12950.Pdf

General P. (2014). ¿Qué Es PHP? - Su Definición, Concepto Y Significado.

Retrieved August 4, 2018, From Http://Conceptodefinicion.De/Php/

González, A., Rodríguez, P., & Orozco, R. (2017). Marcadores Para Segmentación

Watershed Usando Transformada De Radon Watershed. Revista Cubana De

Ciencias Informáticas. 11 (1), 136- 152.

González, R. (2010). Algoritmo Basado En Wavelets Aplicado A La Detección De

Incendios Forestales [Tesis De Maestría]. Cholula, Puebla: Universidad De

Las Américas Puebla.

Grajales,

Graciany & Bonal. (2016). 9 (19).Pdf

Guevara, B. (2014). Desarrollo Web Ágil Con Symfony , Bootstrap Y Angular

Bayron Guevara Contenido.

Gutiérrez, J. J. (2006). ¿ Qué Es Un Framework Web?, 1–4. Retrieved From

Http://www.Lsi.Us.Es/~Javierj/Investigacion_Ficheros/Framework.Pdf

H Tecnología. (2015). ¿Qué Es HTML? - Su Definición, Concepto Y Significado.

Retrieved August 4, 2018, From Http://Conceptodefinicion.De/Html/

Infaimon, C. (2010), Visión Artificial Aplicada A La Industria,

Http://www.Jcee.Upc.Es/JCEE2010/Pdf_Ponencies/Pdfs/25_11_10/INFAIM

ON-Vision%20artificial.Pdf. Acceso: 27 De Agosto (2018)

Iván Gamino, & Jonathan Sánchez. (2017). Universidad Politécnica De Madrid

Escuela Técnica Superior De Ingeniería De Sistemas Informáticos Ingeniería

Del Software Y De Computadores Universidad Politécnica De Madrid. Madrid.

Retrieved From

106

Http://Oa.Upm.Es/52084/1/TFG_IVAN_GAMINO_DEL_RIO.Pdf

Lara. (2017). Iara - Dientes Del Siso Son Los Últimos Molares De Cada Lado De

Los Maxilares-1. Retrieved December 3, 2018, From

Https://Cesarmacedo.Com/Aparelhos-Ortodonticos/Iara-Dentes-Do-Siso-

Sao-Os-Ultimos-Molares-De-Cada-Lado-Dos-Maxilares-1/

López, J. (2014). Segmentación De Imágenes Mediante El Algoritmo De K-

Medias. Obtenido De

Http://Opera.Eii.Us.Es/Pid/Public/Uploads/Pid/Entregables/2013-

2014/G2013-2014-15/Grupo15Documentacin57.Pdf

Magaña, Atocha & Sandoval. (2015). Detección De Objetos En Imágenes

Utilizando Opencv Para Raspberry, (July). Retrieved December 3, 2018,

From

Https://www.Researchgate.Net/Publication/316282519_DETECCION_DE_O

BJETOS_EN_IMAGENES_UTILIZANDO_OPENCV_PARA_RASPBERRY.

Manzanero. (2016). Tics En Educacion: Framework, ¿Que Es?, Características Y

Ventajas. Retrieved December 11, 2018, From Http://Snte-Tics-

Educacion.Blogspot.Com/2016/09/Framework-Que-Es-Caracteristicas-

Y.Html

Mathworks. (2015). Image Processing Toolbox Product Description - MATLAB

&Amp; Simulink - Mathworks España. Retrieved February 21, 2019, From

Https://Es.Mathworks.Com/Help/Images/Product-Description.Html

Maxwell. (2015). Modelo RGB De Imágenes En Color | Hombre En Camino.

Retrieved December 2, 2018, From

Http://www.Hombreencamino.Com/Ciencia/James-Clerk-

Maxwell/Attachment/Modelo-Rgb-De-Imagenes-En-Color/

Mendez. (2006). Histogénesis Del Esmalte Dentario. Consideraciones Generales.

Revista Archivo Medico De Camaguey, 11.

Microsoft. (2016). .NET Core Guide | Microsoft Docs. Retrieved August 1, 2018,

From Https://Docs.Microsoft.Com/En-Us/Dotnet/Core/Index

MOBILE ANALYTICS. (2018). Aplicaciones Web Progresivas: ¿Qué Son Y Para

107

Qué Sirven? | Analítica Web. Retrieved July 31, 2018, From

Https://www.Analiticaweb.Es/Aplicaciones-Web-Progresivas-Que-Son-Para-

Que-Sirven/

Moenne. (2013). ANATOMÍA PREMOLARES. Retrieved From

Http://www.Postgradosodontologia.Cl/Endodoncia/Images/Especialidadendodonc

ia/Seminarios/2013-2014/Docanatomiapremolares.Pdf

Munhoz. (2016). Dentes: Você Precisa Saber Mais Sobre Eles... - Orofacial.

Retrieved December 2, 2018, From Https://Orofacial.Com.Br/Dentes/

Najda-Janoszka & Daba-Buzoianu. (2018). Exploring Management Through

Qualitative Research Edited By. Retrieved From Www.Jemi.Edu.Pl;

Niwa. (2007). [ No Title ]. Development, 134(4), 635–646.

Onmeda. (2012). Anatomía De Los Dientes : Esmalte Dental, Dentina, Cemento,

Pulpa - Onmeda.Es. Retrieved November 26, 2018, From

Https://www.Onmeda.Es/Higiene_Bucodental/Anatomia_Dientes.Html

Oregón. (2016). ¿QUÉ CONTIENE UN ODONTOGRAMA? | Odonto. Retrieved

November 21, 2018, From Http://Michelloregon.Wixsite.Com/Odonto/Single-

Post/2016/03/15/FICHAS-ANTE-MORTEM-Y-POST-MORTEM

Orellana. (2013). Universidad Central Del Ecuador. Estudio De Factibilidad Para

La Implementacion De Una Granja Apicola.

Ortíz. (2013). Procesamiento Digital De Imágenes. Iatreia, 42–72.

Https://Doi.Org/10.14409/Fabicib.V4i1.637

Pérez & Gardey. (2017). Definición De Dentina - Qué Es, Significado Y Concepto.

Retrieved November 28, 2018, From Https://Definicion.De/Dentina/

Pérez. (2010). ¿Qué Son Las Bases De Datos? Retrieved July 28, 2018, From

Http://www.Maestrosdelweb.Com/Que-Son-Las-Bases-De-Datos/

Pichel & Delgado. (2013). Espacio Biológico: Parte I: La Inserción Diente-Encía.

Avances En Periodoncia, 1–8. Retrieved From

Http://www.Scientificcircle.Com/Es/139563/Espacio-Biologico-Parte-I-

Insercion-Diente-Encia/

108

Porto & Gardey. (2015). Definición De Odontograma - Qué Es, Significado Y

Concepto. Retrieved December 2, 2018, From

Https://Definicion.De/Odontograma/

Pozó. (2015). Redes Neuronales Artificiales En Medicina Intensiva. Ejemplo De

Aplicación Con Las Variables Del MPM II. Medicina Intensiva, 29(1), 13–20.

Https://Doi.Org/10.1016/S0210-5691(05)74198-X

Rep, P. D. E. L. A, Subsecretar, B., & Inform, D. E. (2009). Estrategia Para La

Implantación De Software Libre En La Administración, 1–28.

Rodríguez. (2012). Bootstrap, Framework De Twitter. Retrieved February 24,

2019, From Https://www.Genbeta.Com/Desarrollo/Bootstrap

Rogerio-Candelera & Linares. (2015). El Análisis Digital De Imágenes Como

Herramienta Arqueológica. Estudio De Los Restos De Pintura De Los

Ortostatos Del Dolmen 3 De El Pozuelo. Retrieved From

Http://Digital.Csic.Es/Bitstream/10261/126222/1/Analisis_Digital_Imagenes_

Actas2015_Rogerio.Pdf

Roncagliolo. (2016). Tema 4 : Segmentación De Imágenes Segmentación De

Imágenes.

Rosabal & Orozco González. (2012). Revista Cubana De Ciencias Informáticas

(RCCI). Obtenido De File:///C:/Users/Usuario/Downloads/195- 728-1-PB.Pdf

Ruiz, R. S. (29 De Mayo De 2012). Obtenido De

Http://Elzhifestadistica.Blogspot.Com/2012/05/Graficas-Estadisticas.Html

RUSELL IUIT. (2016). TICS EN EDUCACION: FRAMEWORK, ¿Que Es?,

Características Y Ventajas. Retrieved August 1, 2018, From Http://Snte-Tics-

Educacion.Blogspot.Com/2016/09/Framework-Que-Es-Caracteristicas-

Y.Html

Salazar. (2016). Características Anatómicas De Los Dientes ~ Auxiliar De

Odontología. Retrieved December 2, 2018, From

Http://Auxiliarodontologia.Blogspot.Com/2013/02/Incisivos-Tienen-Forma-

De-Cuna-Con-4.Html

Sanchéz, M. B. (2013). Segmentacion Dijital De Imagenes Medicas Para El

109

Mejoramiento De Diagnostico De Anomalias En Los Centros Radiologicos De

La Ciudad De Ambato. En M. B. Gallo, Segmentacion Dijital De Imagenes

Medicas Para El Mejoramiento De Diagnostico De Anomalias En Los Centros

Radiologicos De La Ciudad De Ambato (Pág. 178). Ambato.

Seiro. (2017). Los 4 Tipos De Dientes Y Su Función. Retrieved December 2, 2018,

From Https://www.Clinicadentalsieiro.Es/Los-4-Tipos-De-Dientes-Y-Su-

Funcion/

Silverty. (2014). Guía De Anatomía Oral Y Dental. Retrieved From

www.Silverti.Com

Sosa, L. D. (2015). Universidad De Otavalo. Obtenido De

Http://Repositorio.Uotavalo.Edu.Ec/Bitstream/52000/41/1/UO-PG-TUR-

2015-03.Pdf

Thuillier. (2015). Función De Los Dientes - Bucodente. Retrieved December 2,

2018, From Https://www.Bucodente.Com/2015/05/12/Funcion-De-Los-

Dientes/

Txema Rodríguez. (2012). Bootstrap, Framework De Twitter. Retrieved August 3,

2018, From Https://www.Genbeta.Com/Desarrollo/Bootstrap

Valverde, J. (2007). Detección De Bordes Mediante El Algoritmo De Canny. Trujillo

: Universidad Nacional De Trujillo .

Varela Camilo. (2018). Reconocimiento Automático De Partituras Para Guitarra

Por Medio De Visión Artificial Y Redes Neuronales Artificiales Jferson Camilo

Varela Cañòn. Ecuador. Retrieved From

Http://Repository.Lasalle.Edu.Co/Bitstream/Handle/10185/28378/45112701_

2018.Pdf?Sequence=1&Isallowed=Y

Vargas, M., Berenguel, M., & Álamo, T. (2012). Tutorial De Introducción A Matlab.

Obtenido De Http://www.Ceiucaweb.Com.Ar/Documentos/1-Ciclo-

Basico/2do-Anio-2do- Cuatri/Metodos/Apunte/Tutorialmatlab%5B1%5D.Pdf

Wiboo. (2017). ¿Qué Son Las Aplicaciones Web? Ventajas Y Tipos De Desarrollo

Web. Retrieved August 20, 2018, From Https://Wiboomedia.Com/Que-Son-

Las-Aplicaciones-Web-Ventajas-Y-Tipos-De-Desarrollo-Web/

110

Zapata. (2014). Texto Cientifico: Metodo Deductivo, Metodo Inductivo Y Metodo

Cientifico. Retrieved December 11, 2018, From

Http://Angelitajohana83.Blogspot.Com/

Zion, B. (2012). The Use Of Computer Vision Technologies In Aquaculture – A

Review, Computers And Electronics In Agriculture, 88, 125-132.

111

112




COMPUTACIONALES



Manual de técnico



AUTOR:



113

Anexo I

MANUAL TÉCNICO

Instalación de Matlab.

Para poder descargar el software de Matlab, se debe ingresar al siguiente link:

https://es.mathworks.com/login?uri=%2Fmwaccount%2Fprofiles%2Fpassword%

2Freset

Y a continuación escoge la última versión de Matlab en este caso escogimos de

versión del 2016 que es mucho mas factible para nuestro proyecto.

Gráfico N° N° 52.Descargar la versión de Matlab



Ejecutamos el instalador de R20XX.exe y seleccionamos la opción “Login in”, se

dio clic en Next. Allí es escogió la primera opción para el método de instalación,

en este caso fue institucional.

https://es.mathworks.com/login?uri=%2Fmwaccount%2Fprofiles%2Fpassword%2Freset

https://es.mathworks.com/login?uri=%2Fmwaccount%2Fprofiles%2Fpassword%2Freset

114

Gráfico N° N° 53.Seleccionar login



Para seguir con la instalación debemos aceptar los argumentos de la licencia y se

selecciona “Yes” y haga clic en “Next”.

Gráfico N° N° 54.Licencia de Matlab



A continuación en se procede a seleccionar la 1°Opción de “Login in to your

MathWorks Account”

115

Gráfico N° N° 55.Registro para ingresar a Matlab



Para poder ingresar se requirió escribir la dirección de correo institucional y el

password que fue enviado mediante correo a su cuenta institucional y haga clic en

“Next”.

Gráfico N° N° 56.Ingreso de usuario y contraseña



Para activar el producto se debe seleccionar “Select a licenses” y realizar clic

sobre “Next”.

116

Gráfico N° N° 57.Activación de Matlab



se realizará la instalación del Software en la presenta la dirección por defecto. Solo de

debe seguir dando clic sobre “Next”.

Gráfico N° N° 58.Instalación de Matlab



Luego debemos seleccionar las herramientas que se requiere instalar para el

proyecto.

117

Gráfico N° N° 59.Selección de herramientas a instalar



Se muestra el listado de todas las aplicaciones que se van a instalar. Para seguir

hacer clic sobre “Install”.

Gráfico N° N° 60.Confirmación de la instalación



118

Gráfico N° N° 61.Proceso de la descarga



Una vez que se ha finalizado la instalación con total éxito se realizó clic sobre

“Finish”.

Gráfico N° N° 62.Finalización de la instalación de Matlab



Una vez ya finalizada la instalación de Matlab se procede a instalar las librerías a

utilizar:

119

A continuación se muestra el código fuente de cada una de las actividades que

realiza el sistema.

El grafico .. presenta la función de encender cámara en el sistema

Gráfico N° 63.Encender Cámara



el presente código es la función de capturar la imagen mediante la cámara

Gráfico N° 64.Codigo de Matlab para capturar imagen



El siguiente código es la función de cargar imagen al sistema.

120

Gráfico N° 65.Cargar Imagen



El código fuente que se muestra a continuación es el de histograma este sirve

para ver la calidad de la imagen

Gráfico N° 66.Código Fuente Histograma



El código fuente que se muestra a continuación es el de limpiar todo el sistema.

Gráfico N° 67.Código Fuente Limpiar



121

Los siguientes código fuente son de las funciones de la técnica procesamiento de

imagen, la que se muestra a continuación es la de cavidad rellena.

Gráfico N° 68 Código de Cavidad Rellena



El siguiente código fuente es Dilatación.

Gráfico N° 69.Código de Dilatación



El siguiente código fuente es de Erosión.

122

Gráfico N° 70.Código Fuente de Erosión



Se muestra el código fuente de Filtro Top- Hat

Gráfico N° 71.Código fuente de Filtro Top- Hat



Se muestra el código fuente de Filtro Gaussiano

Gráfico N° 72.Código fuente de Filtro Gaussiano



123

Se muestra el código fuente de Filtro Media

Gráfico N° 73.Código fuente de Filtro Media



Se muestra el código fuente de Filtro Mediano

Gráfico N° 74.Código fuente de Filtro Mediano



Se muestra el código fuente de K-means

124

Gráfico N° 75.Código Fuente de K-means



Se muestra el código fuente de Mascara Binaria

Gráfico N° 76.Código Fuente de Mascara Binaria



125

Se muestra el código fuente de Sobel

Gráfico N° 77.Código Fuente de Sobel



Se muestra el código fuente de la Transformada de Canny

Gráfico N° 78.Código Fuente de la Transformada de Canny



126

Se muestra el código fuente de Watershed.

Gráfico N° 79.Código Fuente de Watershed



Se muestra el código fuente de Muestra de Características

Gráfico N° 80.Código Fuente de Muestra de Características



127

Se muestra el código fuente de las Propiedades de la detección nombre- área.

Gráfico N° 81.Código Fuente de las Propiedades de la detección nombre- área



Se muestra el código fuente de Salir del sistema.

Gráfico N° 82.Código Fuente de Salir



128




COMPUTACIONALES



Manual de Usuario



AUTOR:



129

Anexo II

Manual de Usuario

Creación de la interfaz para las imágenes dentales.

En el siguiente grafico se muestra la interfaz gráfica que se llevó a cabo.

Gráfico N° N° 83.interfaz gráfica



En el botón cargar imagen el usuario podrá subir una imagen de la pieza dentaria

Gráfico N° 84.Subir imagen



130

Una vez que ya tenga la imagen cargada el usuario podrá ver la calidad de la

imagen a través del histograma.

Gráfico N° 85. Histograma



A través de las técnicas de segmentación el usuario podrá observar la imagen con

las diferentes técnicas para obtener valores precisos de la pieza dental, las cuales

se mostrarán a continuación:

En el presente grafico se observa la técnica de erosión.

Gráfico N° 86.Tecnica de Erosión

Elaborado por: Katherine Anastacio y Eduardo Saverio Fuente: Katherine Anastacio y Eduardo Saverio

131

Se mostrará la segmentación por el filtro media

Gráfico N° 87.Técnica Filtro Media



Se mostrará la segmentación por el filtro -Guassiano

Gráfico N° 88.Técnica Filtro Guassiano



132

Se mostrará la segmentación por el Top- Hat

Gráfico N° 89.Técnica de Top-Hat



Se mostrará la segmentación K-Means

Gráfico N° 90.Técnica K-Means



133

Se mostrará la segmentación de la transformada Watershed

Gráfico N° 91.Técnica Watershed



Se mostrará la segmentación transformación de Canny

Gráfico N° 92.Técnica de Canny



134

Se mostrará la segmentación transformada de Sobel

Gráfico N° 93.Técnica de Sobel



Se mostrará la segmentación de Dilatación-Binaria

Gráfico N° 94.Técnica Dilatación-Binaria



135

Se mostrará la segmentación Mascara Binaria

Gráfico N° 95. Técnica Mascara Rellena



Se mostrará la segmentación Cavidad Rellena

Gráfico N° 96.Técnica Cavidad Rellena



136

Una vez que ya haiga pasado por todos los procesos de segmentación se procede

a la detección de características

Gráfico N° 97.Detección de Características



En el grafico se muestra la imagen subida a la interfaz para luego realizar el

análisis por segmentación de imágenes y a su vez mostrar las características

encontradas también le va a mostrar propiedades tales como el nombre de la pieza

dental y el área.

Gráfico N° 98.Propiedades de la pieza dental



137

Demostración de las características encontradas

Gráfico N° 99.Muestra de Características



Se muestra la interfaz web del proyecto

Gráfico N° 100.Interfaz web Educativa



La interfaz web educativa muestra las características y funcionalidades de la pieza

dental y si desea el usuario también podrá descargar a través de un pdf y obtener

su información.

138

Gráfico N° 101.Información de la pieza dental



139

Anexos III

Instalación de librerías de TOOLBOX en Matlab





140





141





142

Anexo IV

Criterios de validación

OBJETIVOS ACTIVIDAD REALIZADA

CUMPLIMIENTO

RESULTADO OBTENIDO

EVIDENCIA

• Diseñar una

interfaz web

que muestre

el

caracterizad

o de las

piezas

dentales

para

personas

adultas.

Mediante los algoritmos de procesamiento de imagen y a través de la red neuronal se entrenó el sistema para que muestre las características de la pieza dental

100% Se pudo detectar las características de los dientes en ella está el área y el nombre de la pieza dental

• Crear una

Base de

datos de

información

para

catalogar las

piezas

dentales en

función de

las

odontograma

s.

Se considero todas las imágenes de piezas dentales para registrarla en una base de datos para su entrenamiento

100% Se llevo todas las imágenes de piezas dentales a una base de datos con total éxito

143

•

• Generar

reportes que

den a

conocer la

cantidad de

iteraciones

que realizan

las redes

neuronales

artificiales

como

clasificador

de objetos en

la tarea de

reconocimien

to de piezas

dentales.

Por medio de la red neuronal se pudo entrenar y clasificar cada una de las características de la imagen procesada

100%

A través de la red neural se desarrollaron varias pruebas que en esta se generan variables nos muestra diferentes datos de la pieza dental esta ya sea su área, la etiqueta del nombre, su tamaño.


Fuente: Datos del Proyecto e Investigación

144

Anexo V

CRONOGRAMA DE ACTIVIDADES

Actividades

semanas

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1. Reunión inicial, revisión de propuesta de tesis

2.Planificación de las primeras actividades

3. Reunión, explicación del capítulo I

4. Presentación de un avance del capítulo I

5. Revisión del capítulo I

6.Reunión, capacitación del capítulo II

7. Avance del capítulo II

8. Exposición del avance de tema de la tesis

9.Revisión del capítulo I y II (completos)

10.Revision de un avance del sistema 11. Entrevista a la doctora para catalogar imágenes

12.Desarrollo del sistema y la documentación

13. Revisión del capítulo III

14. Revisión de un avance del sistema

15. Desarrollo del sistema y la documentación

16. Revisión de un avance del sistema

145

Anexo VI

Acta de Aceptación del Proyecto

146

Anexo VII

Acta de Aceptación

147

Anexo VIII

Validación y Pruebas Funcionales

148

Anexo IX

Validación de Usabilidad

149

Anexo X

Certificado de aprobación para la encuesta

150

Anexo XI

Evidencia de la visita a la Facultad de Piloto Odontología



151

Anexo XII

Exposición del proyecto al vicedecano de la FPO



Documents

FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS CARRERA DE ...repositorio.ug.edu.ec/bitstream/redug/39555/1/B-CISC-PTG-1610... · Ciencias Matemáticas y Físicas de la Universidad de