Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 DESARROLLO DE UN SOFTWARE PARA EL TAMIZAJE INICIAL DE ESTRABISMO COMO HERRAMIENTA DE APOYO EN LA ATENCIÓN PRIMARIA EN SALUD. Maria Isabel Durán Briceño Jhon Franco Vásquez Giraldo Universidad Autónoma de Bucaramanga Facultad de Ingeniería Programa de Ingeniería Biomédica Bucaramanga 2023 2 DESARROLLO DE UN SOFTWARE PARA EL TAMIZAJE INICIAL DE ESTRABISMO COMO HERRAMIENTA DE APOYO EN LA ATENCIÓN PRIMARIA EN SALUD. Maria Isabel Durán Briceño Jhon Franco Vásquez Giraldo Director Ing. Manuel Hernando Franco Arias Codirector(a) Dra. Angélica María Prada Rocha Trabajo de grado para optar por el título de Ingeniero Biomédico Universidad Autónoma de Bucaramanga Facultad de Ingeniería Programa de Ingeniería Biomédica Bucaramanga 2023 3 Dedicatoria Esta investigación va dedicada a todas las personas que han experimentado la partida de su ser de luz y con ellos la motivación de seguir adelante. Hoy puedo expresarles que la motivación perdura, esta investigación lo reafirma. Papá, hermanos, este logro también es para ustedes. Jhon Franco Vásquez Giraldo Esta investigación va dedicada a mi familia, cuyo apoyo incondicional me ha inspirado a superar desafíos y alcanzar mis metas. Su amor y deseos han sido mi mayor fortaleza y motivación. Gracias por estar siempre a mi lado en cada paso de este viaje. María Isabel Durán Briceño 4 Agradecimientos En primer lugar, queremos agradecer a nuestros padres por su apoyo incondicional que nos ha permitido alcanzar todas nuestras metas personales y académicas. Siempre nos alentaron con amor a perseguir nuestros objetivos y nunca rendirnos ante la adversidad. También agradecemos a la Universidad Autónoma de Bucaramanga (UNAB) por habernos acogido durante todo nuestro crecimiento profesional y personal, especialmente al director Manuel Hernando Franco Arias y a la coodirectora Angélica María Prada Rocha, quienes aportaron su conocimiento y dedicación en apoyarnos para la elaboración de nuestro trabajo de grado; también a todas las personas con las cuales nos encontramos a través del tiempo en el cual estuvimos estudiando, a cada profesor, compañeros y a aquellos amigos que hoy son familia. Finalmente nos queda agradecernos a nosotros mismos por llegar, con esfuerzo y dedicación, a donde estamos, hoy entregamos este proyecto de grado que quedará como prueba viviente del conocimiento adquirido, de nuestra perseverancia y de las ganas de querer que nuevas generaciones tengan un desarrollo a partir de nosotros, su referente. 5 Resumen La salud visual es un factor esencial que define la calidad de vida de las personas debido a que cumple una función vital en la forma cómo vemos y percibimos al mundo. En la actualidad se ha presentado un aumento en la presencia de enfermedades oculares que afectan esta función básica y por ende deben ser diagnosticadas y tratadas de manera precoz, tal como lo es el estrabismo o también llamado “ojos cruzados”, que como consecuencia genera una pérdida de la alineación ocular en las personas, provocando varios efectos consigo tales como visión doble, fatiga visual, ambliopía entre otros. Hoy en día, el diagnóstico de esta patología requiere de diferentes pruebas tales como el Test de Hirschberg, Prisma Cover Test, Test de Krimsky y cover test alternante, las cuales convergen en que son llevadas a cabo únicamente por el personal especialista y pueden llegar a ser extensas y subjetivas. Por consiguiente, en el presente trabajo de grado se detalla el desarrollo de un software para el tamizaje inicial de estrabismo como herramienta de apoyo en la atención primaria en salud, con el fin de automatizar este proceso por medio del procesamiento de imágenes en pro de la detección temprana de esta patología en lugares apartados del país. Para el desarrollo de este Software se utilizó la plataforma de desarrollo PyCharm implementando el lenguaje de programación “Phyton” y un diseño de interfaz realizado en Qt Designer. Como fase de pruebas y verificación se recopiló una base de datos propia de imágenes libres de internet con y sin la patología, provenientes de artículos de investigación, libros de casos clínicos y publicaciones en revistas, estableciendo los criterios de exclusión y el protocolo de captura de las fotografías, permitiendo una estandarización que concluyó en una detección y clasificación en imágenes según el tipo de desviación ocular presente. 6 Abstract Visual health is an essential factor that defines the quality of life of people because it plays a vital role in the way we see and perceive the world. Currently there has been an increase in the presence of eye diseases that affect this basic function and therefore must be diagnosed and treated early, such as strabismus or also called "crossed eyes", which as a result generates a loss of eye alignment in people, causing various effects such as double vision, eyestrain, amblyopia and others. Nowadays, the diagnosis of this pathology requires different tests such as the Hirschberg Test, Prisma Cover Test, Krimsky Test and alternating cover test, which converge in that they are carried out only by specialist personnel and can be extensive and subjective. Therefore, this degree work details the development of a software for the initial screening of strabismus as a support tool in primary health care, in order to automate this process through image processing for the early detection of this pathology in remote areas of the country. For the development of this software, the PyCharm development platform was used, implementing the "Phyton" programming language and an interface design made in Qt Designer. As a testing and verification phase, a database of free internet images with and without the pathology was compiled from research articles, clinical case books and journal publications, establishing the exclusion criteria and the protocol for capturing the photographs, allowing a standardization that resulted in a detection and classification in images according to the type of ocular deviation present. 7 Tabla de contenido 1 Capítulo I ............................................................................................................................... 12 Aspectos Generales ....................................................................................................................... 12 1.1 Problema U Oportunidad ................................................................................................. 12 1.2 Planteamiento Del Problema ........................................................................................... 13 1.3 Justificación ..................................................................................................................... 15 1.4 Pregunta De Investigación ............................................................................................... 16 1.5 Objetivo General .............................................................................................................. 17 1.6 Objetivos Específicos ...................................................................................................... 17 1.7 Limitaciones y Delimitaciones ........................................................................................ 17 2 Capítulo II .............................................................................................................................. 19 Marco Teórico Y Estado Del Arte .............................................................................................. 19 2.1 Marco Teórico ................................................................................................................. 19 2.1.1Estrabismo ................................................................................................................ 19 2.1.2 Exotropía .................................................................................................................. 20 2.1.3 Endotropía ................................................................................................................ 21 2.1.4 Estrabismo Vertical .................................................................................................. 22 2.1.5 Ambliopía ................................................................................................................. 23 2.1.6 Test De Hirschberg .................................................................................................. 24 2.1.7 Cover Test ................................................................................................................ 26 2.1.8 Reflejo Corneal ........................................................................................................ 27 2.1.9 Procesamiento De Imágenes .................................................................................... 28 2.2 Marco Legal ..................................................................................................................... 29 8 2.3 Estado Del Arte ............................................................................................................... 31 3 Capítulo III ............................................................................................................................ 35 Metodología ................................................................................................................................... 35 3.1 Etapa 1. Diseño del Software para Detección y Clasificación de Estrabismo ................ 36 3.1.1 Selección del Lenguaje de Programación ................................................................ 36 3.1.2 Determinar Técnicas de Preprocesamiento y Procesamiento del Software ............ 36 3.1.3 Diseño de la Interfaz ................................................................................................ 37 3.2 Etapa 2. Implementar el Diseño del Software para Detección y Clasificación de Estrabismo .................................................................................................................................. 37 3.2.1 Obtención de la Base de Datos ................................................................................ 37 3.2.2 Desarrollo del Algoritmo de la Interfaz ................................................................... 38 3.2.3 Desarrollo del Software ........................................................................................... 38 3.3 Etapa 3. Evaluar el Grado de Funcionamiento del Software ........................................... 38 3.3.1 Análisis del Funcionamiento de la Interfaz de Usuario ........................................... 39 3.3.2 Obtención de los Resultados .................................................................................... 39 3.3.3 Pruebas de Funcionamiento del Software ............................................................... 39 4 Capitulo IV ............................................................................................................................ 40 Resultados y análisis de resultados ............................................................................................. 40 4.1 Etapa 1. Diseño del Software para Detección y Clasificación de Estrabismo ................ 40 4.1.1 Selección del Lenguaje de Programación ................................................................ 40 4.1.2 Determinar Técnicas de Preprocesamiento y Procesamiento del Software ............ 44 4.1.3 Diseño de la Interfaz ................................................................................................ 49 4.2 Etapa 2. Implementar el Diseño del Software para Detección y Clasificación de Estrabismo .................................................................................................................................. 53 9 4.2.1 Obtención de la Base de Datos ................................................................................ 53 4.2.2 Desarrollo del Algoritmo de la Interfaz ................................................................... 54 4.2.3 Desarrollo Del Software .......................................................................................... 54 4.3 Etapa 3. Evaluar el Grado de Funcionamiento del Software ........................................... 56 4.3.1 Análisis del Funcionamiento de la Interfaz de Usuario ........................................... 57 4.3.2 Obtención de los Resultados .................................................................................... 58 4.3.3 Pruebas de Funcionamiento del Software ............................................................... 62 5 Capitulo V .............................................................................................................................. 63 Conclusiones y Recomendaciones ............................................................................................... 63 5.1 Conclusiones .................................................................................................................... 63 5.2 Recomendaciones ............................................................................................................ 64 6 Bibliografía ............................................................................................................................ 66 7 Anexos ...................................................................................................................................... 1 7.1 Manual de Usuario............................................................................................................. 1 7.2 Diagrama de Flujo de Interfaz ........................................................................................... 1 10 Lista de Figuras Figura 1. Exotropía Intermitente ................................................................................................... 21 Figura 2. Paciente con endotropía en el ojo izquierdo .................................................................. 22 Figura 3. Estrabismo vertical. ...................................................................................................... 23 Figura 4. Prueba de Hirschberg ..................................................................................................... 25 Figura 5 Cover test. Cover uncover. ............................................................................................. 26 Figura 6 Diagrama metodológico .................................................................................................. 35 Figura 7. Etapas de procesamiento de la imagen. ......................................................................... 44 Figura 8. 468 puntos de referencia (Marcadores faciales). ........................................................... 45 Figura 9. Contorno del ojo e iris ................................................................................................... 45 Figura 10. Mascaras 1 y 3 ............................................................................................................ 46 Figura 11. Procesamiento realizado .............................................................................................. 47 Figura 12. Áreas de interés ............................................................................................................ 47 Figura 13. Coordenadas del centro del Limbus adaptadas ........................................................... 48 Figura 14. Primera versión Mock-Up ...........................................................................................49 Figura 15. Logo del Software ........................................................................................................ 50 Figura 16. Ventanas de inicio. ....................................................................................................... 51 Figura 17. Registros de pacientes. ................................................................................................. 52 Figura 18. Procesamiento e informe de resultados ....................................................................... 53 Figura 19. Resultado paciente con DX "Endotropía" ................................................................... 55 Figura 20. Resultado paciente sin estrabismo "Sin detección de estrabismo" .............................. 56 https://unabedu-my.sharepoint.com/personal/jvasquez425_o365_unab_edu_co/Documents/DESARROLLO%20DE%20UN%20SOFTWARE%20PARA%20EL%20TAMIZAJE%20INICIAL%20DE%20ESTRABISMO%20(1).docx#_Toc149296593 11 Lista de Tablas Tabla 1. Calificaciones establecidas .............................................................................................. 40 Tabla 2. Porcentajes de criterios de evaluación ............................................................................ 42 Tabla 3. Matriz de selección de lenguaje de programación .......................................................... 43 Tabla 4. Resultados de pruebas unitarias ...................................................................................... 57 Tabla 5. Comparación diagnóstico de la imagen vs resultado del software .................................. 58 Tabla 6. Resumen de resultados .................................................................................................... 60 Tabla 7. Tabla de valores predictivos ............................................................................................ 61 Tabla 8. Tabla resultados cálculo de sensibilidad, especificidad, Vpp y Vpn .............................. 62 Tabla 9. Tabla resultados pruebas complementarias ..................................................................... 62 12 1 Capítulo I Aspectos Generales 1.1 Problema U Oportunidad El estrabismo, es un defecto de paralelismo intermitente o permanente de los dos ejes visuales y dicha desviación puede ser latente (foria) o manifiesta (tropía). Según la dirección de desviación, puede ser clasificado como “convergente” (esotropía) cuando el ojo se dirige hacia la nariz, “divergente” (exotropía) cuando el ojo se desvía hacia el exterior y estrabismos verticales también conocidos como “hipertropía”, cuya desviación es hacia arriba e “hipotropía” cuando es hacia abajo. La incidencia del estrabismo en niños es relativamente común, afectando alrededor del 2- 3% de la población pediátrica. Y aunque en ocasiones el diagnóstico es identificado a temprana edad por los padres, puede llegar a ser más difícil de confirmar en casos de estrabismo intermitente o con ángulo de desviación mínimo (Nguyen & Espinasse-Berrod, 2021). Con el transcurso del tiempo, se han evidenciado grandes avances entorno al desarrollo tecnológico y su contribución al área de la salud, permitiendo la creación y uso de softwares, dispositivos, herramientas y recursos tecnológicos que facilitan el diagnóstico y detección de enfermedades, esto sin olvidar que el análisis y procesamiento imágenes pertenecen a un campo en constante evolución, pues ha transformado significativamente la forma en la que se diagnostican diferentes patologías, favoreciendo así las condiciones médicas y creando a su vez un modelo más efectivo y rápido en pro de los pacientes, ya que se reducen posibles repercusiones a causa de enfermedades por falta de una detección temprana de las mismas. Actualmente se observa un incremento de personas que padecen de estrabismo sin un diagnóstico previo que podrían sacar provecho o beneficio del presente proyecto, que tiene como 13 objetivo desarrollar un software mediante procesamiento de imágenes para el tamizaje inicial de estrabismo como herramienta de apoyo en la atención primaria en salud, teniendo en cuenta que estrabismo es uno de los problemas visuales más frecuentes en la infancia (Zazo Enríquez, Pérez Fernandez, & Suarez Cuza, 2022). 1.2 Planteamiento Del Problema Se calcula que aproximadamente 4 de cada 100 personas puede tener algún tipo de desviación ocular y aunque es más frecuente en niños, también se presenta en adultos. En ambos casos es importante un diagnóstico temprano del estrabismo, especialmente en los niños pequeños durante el período crítico hasta los 2 años (Houston, 2021), con el fin de descartar causas orgánicas tratables y prevenir o tratar la ambliopía (Mojon, 2016), la cual es una patología asociada al estrabismo (desarrollada en un 33 y 50 % de los casos) y puede ser una causa u/o complicación de este, que desencadena en una reducción permanente de la agudeza visual y percepción deficiente de la profundidad (Martín Martín et al, 2013). La detección precoz de estrabismo implica la utilización de métodos diagnósticos como el test de Hirschberg, Cover test, test de Krimsky, entre otras pruebas que son llevadas a cabo por profesionales de la Salud de atención primaria y especializada. El tamizaje visual normalmente es realizado por un médico general o pediatra, quienes son los encargados de detectar los factores de riesgo que puedan interferir en el desarrollo del sistema visual, recurriendo a diferentes exámenes de valoración, entre ellos el alineamiento ocular. Sin embargo, existen varias barreras para la detección temprana de la enfermedad, como falta de herramientas y formación académica que les permita realizar una adecuada detección oportuna de las alteraciones visuales, tal como lo explica el Artículo publicado en la revista MEDUNAB, titulado “Percepciones sobre el conocimiento de 14 la detección temprana de la ambliopía de médicos generales y pediatras de Bucaramanga”, donde se demuestra una deficiencia de recursos tecnológicos que le permitan al profesional la detección de alteraciones visuales y/u oculares, por medio de testimonios en dónde indican que no hay medios para realizar test oculares (Maldonado Rueda et al, 2020). La probabilidad de que un niño sea diagnosticado y tratado a tiempo con estrabismo está asociada con la accesibilidad a la prestación de servicios de salud, debido a las brechas económicas existentes en algunas zonas rurales y apartadas del país donde la cobertura es la principal barrera para acceder al servicio (Ehrlich et al, 2013-2022). Asimismo, un estudio realizado en el año 2013 en España, titulado “Cribado visual en Atención Primaria ¿cómo se realiza?”, describe la problemática abordada actualmente, donde se evidencia la falta de materiales para el tamizaje visual en consultorios de atención primaria y el desconocimiento o uso incorrecto por parte del personal de salud de atención primaria para realizar correctamente un cribado visual, lo que traduce en falta de herramientas a la mano del personal en atención primaria que faciliten dicho proceso (Martín Martín et al, 2013). Mendéz Sánchez et al. (2016) realizaron una investigación publicada en la Revista Cubana de Oftalmología, donde participaron 53 pacientes, obteniendo como resultado que el promedio del tiempo transcurrido entre la aparición de los signos y/o síntomas y el momento de la consulta de estrabismo fue de 6,4 años. Lo que se resume la problemática planteada, que consiste en la evolución de la patología debido al diagnóstico tardío dado al extenso tiempo de espera en la asignación médica con especialista en el sistema de salud. Por lo tanto, a causa de la dificultad en el uso correcto de los dispositivos disponibles, la demora en la atención, diagnóstico y tratamiento del estrabismo resulta importante crearherramientas de apoyo que permita al 15 personal de salud de primer contacto con el paciente tener una herramienta de ayuda para la detección de estrabismo y de esta forma agilizar dicho proceso. 1.3 Justificación El estrabismo es una de las subespecialidades más desafiantes que se encuentran en el campo de la oftalmología (Sharma et al, 2017), ya que tiene múltiples efectos tales como confusión visual, visión doble y finalmente la supresión de la visión del ojo desviado. Asimismo, se asocia con problemas de coordinación como inestabilidad postural, afecciones en la autoestima, independencia y graves desventajas sociales (Bommireddy et al, 2020). Para diagnosticar el estrabismo se realizan los siguientes exámenes: agudeza visual, fondo de ojo, examen externo de los ojos (córnea, esclerótica, conjuntiva, iris, cristalino, etc.) (Sousa de Almeida et al, 2012). Se utilizan diferentes pruebas que van desde la detección hasta la medición del estrabismo en la asistencia primaria. Una prueba usada solo para detección de la patología se llama “test de Brückner”, se realiza usando el oftalmoscopio directo con el fin de obtener de forma simultánea un reflejo en ambos ojos y en caso de haber estrabismo, el ojo desviado presentará un reflejo más claro y brillante que el ojo fijador (Serrano Camacho & Gaviria Bravo, 2011). Por otro lado, una de las pruebas usadas para detectar y medir el grado de estrabismo es llamada “test de Hirschberg”, este consiste básicamente en enviar un fino haz de luz a los ojos del paciente para comprobar si el reflejo de cada ojo se encuentra en el mismo lugar de ambas córneas (Sousa de Almeida et al, 2012). Partiendo de que la aproximación de dicha magnitud de la desviación es el desplazamiento del reflejo luminoso corneal del centro de la pupila. Otra prueba usada para la medición de estrabismo es el “test de Krimsky”, en esta se utiliza una 16 linterna de exploración y prismas delante del ojo fijador y se cambia la magnitud del prisma hasta centrar el reflejo corneal en el ojo desviado (Serrano Camacho & Gaviria Bravo, 2011). Sin embargo, es importante recalcar que estos dos test (Hirschberg y Krimsky) pueden ser imprecisos incluso cuando lo usan los estrabólogos con experiencia, por esto su uso se limita a pacientes que no cooperan o que tienen una visión muy reducida que no permite una medida con el cover test (técnica usada para la evaluación del movimiento ocular) (Serrano Camacho & Gaviria Bravo, 2011). A pesar de la creciente utilización de recursos de última generación para ayudar en el diagnóstico de estrabismo, no se presenta un software automatizado de fácil uso capaz de detectar estrabismo de forma precisa. Un claro ejemplo de esto es el punto común de los test o pruebas descritos anteriormente, los cuales convergen en que el diagnóstico solo puede ser definido bajo criterio médico. Esto, sin olvidar que las mediciones manuales del estrabismo son subjetivas, requieren de mucho tiempo y en ciertos casos son difíciles de realizar en niños pequeños. Por consiguiente, la implementación de dicho Software en la asistencia primaria, puede ser un método alternativo de valoración del trastorno en regiones con recursos limitados, aprovechando las tecnologías a la mano del personal de salud. 1.4 Pregunta De Investigación ¿Cómo identificar la presencia y la clasificación de estrabismo mediante técnicas de procesamiento de imágenes para el tamizaje de la patología? 17 1.5 Objetivo General Desarrollar un software mediante procesamiento de imágenes para el tamizaje inicial de estrabismo como herramienta de apoyo en la atención primaria en salud. 1.6 Objetivos Específicos ● Diseñar un software para la detección y clasificación del estrabismo mediante técnicas de procesamiento de imágenes y método de comparación del centroide de la pupila y reflejo corneal. ● Implementar el diseño de software mediante programación orientada a objetos para la detección de estrabismo y el registro de los datos generados. ● Evaluar el grado de funcionamiento del software mediante la comparación del resultado obtenido de imágenes con diagnóstico definido y criterio profesional para la estimación de la sensibilidad. 1.7 Limitaciones y Delimitaciones Tomando en consideración que el presente proyecto consiste en el desarrollo de un software para tamizaje inicial de estrabismo como herramienta de apoyo en la atención primaria de salud, se tiene como principal delimitación su uso en el área de salud, ya que esta se basa en una herramienta de apoyo que permite la detección y clasificación de estrabismo manifiesto, ya sean de tipo horizontal (convergente y divergente) o vertical (hipertropía y hipotropía). 18 Asimismo, se presenta una limitante de información, la cual consiste en la cantidad significativa de imágenes con diagnóstico e información necesaria de la persona procedente de la base de datos de internet que cumplan con los parámetros establecidos, con un tamaño muestral de 35 registros, tomando en cuenta una población estimada en 70 pacientes, y con un nivel de confianza del 90 % y un error estimado del 10 %. Este número se obtiene del cálculo de un tamaño muestral a partir de la cantidad de pacientes atendidos en un periodo de 2 meses. Se eliminarán imágenes con ruido o sin enfoque, fotografías con reflejos corneales tapados por blefaroptosis (caída de párpado). Fotos con puntos reflejos borrosos, puntos reflejos fuera del borde de la córnea y ausencia de desviación total por exotropía intermitente (Ver criteros de exclusión presentados en el anexo 1), con el fin de delimitar las especificaciones de las imágenes a ingresar. Por otra parte, no se llevará a cabo comité de ética ya que en la fase de pruebas se llega a la etapa inicial donde se evalúa el funcionamiento del Software a través de imágenes de base de datos online que cumplan con los criterios requeridos y permitan conocer la viabilidad y calidad del sistema, lo anterior sin ser afectado por condiciones al momento de realizar la captura de imágenes que varían la resolución y calidad de las imágenes. Por último, teniendo en cuenta que el Software va dirigido a zonas vulnerables y con recursos tecnológicos limitados, se presentan las siguientes limitantes: Limitante tecnológica, pues durante la ejecución del programa, se observa un consumo de memoria de 112.8 MB, se recomendaría tener al menos 225.6 MB de RAM disponible en el sistema para ejecutar la aplicación sin problemas. 19 2 Capítulo II Marco Teórico Y Estado Del Arte 2.1 Marco Teórico Como fase previa, a modo de contextualización, resulta importante realizar una investigación profunda enfocada a la documentación y terminología aplicable al presente proyecto. A continuación, se evidencia dicha información referente al marco teórico: 2.1.1 Estrabismo El estrabismo o también llamado “ojos cruzados” es una condición anormal que hace que los ojos pierdan su paralelismo entre sí. Mientras un ojo mira fijamente a un punto frontal, el otro se desvía hacia un lado, o incluso hacia arriba y hacia abajo. Debido a ello, el cerebro recibe dos imágenes con focos diferentes, en lugar de dos imágenes que convergen en un único punto. El estrabismo es una patología que afecta alrededor del 4% de la población (Sousa de Almeida et al, 2012). Asimismo, estudios establecen que el estrabismo afecta un 2-5% de la población de EEUU, o alrededor de 5 a 15 millones de personas. En la actualidad, los problemas visuales están en aumento. Según la Organización Mundial de la Salud, al menos 2,200 millones de personas tienen deficiencia visual y de ellos 95 millones son niños. Por ende, es necesario el uso de herramientas que faciliten la asistencia especializada en salud para evaluar la salud visual desde el nacimiento (Zazo Enríquez etal, 2022). 20 2.1.2 Exotropía También llamado estrabismo divergente o estrabismo externo: “Es un desequilibrio sensor-motor ocular, intermitente o constante, caracterizado por pérdida de la línea de mirada de uno de los dos ojos, impidiendo que ambos ejes visuales, se intersequen sobre el objeto fijado. El ojo desviado se orienta con el eje visual hacia afuera, o sea, en divergencia” (Perea García J. , 2008, pág. 731) Esta se divide en 2 tipos, exotropía intermitente que se caracteriza porque dicha desviación ocular divergente no es permanente, teniendo intervalos más o menos largos en los que los ejes oculares permanecen paralelos (Ver figura 1). El otro tipo es conocido como exotropía permanente, caracterizada porque la desviación ocular en divergencia es permanente (Perea García J. , 2008). La exotropia es la forma más común dentro de las exodesviaciones, esta se presenta aproximadamente en un 1% de la población (Salas Vargas, 2011). Asimismo, la exotropía de tipo intermitente es la que más se reporta dentro de este grupo tal como lo expresa (Mohney & Keith Huffaker, 2003) en su artículo “Common forms of childhood exotropia”; y su inicio se da generalmente a los 3 años, pero puede ser detectado hasta la infancia tardía. 21 Figura 1. Exotropía Intermitente Nota: La exotropía intermitente se caracteriza porque la desviación ocular no se observa de forma constante, teniendo intervalos en los que los ejes oculares permanecen paralelos. (A) Exotropía OD de -30° y (B) Mismo enfermo en ortotropía. Adaptado de Estrabismos (p. 731), por José Peréa, 2008. 2.1.3 Endotropía “Es un desequilibrio sensor-motor ocular, intermitente o constante, caracterizado por pérdida de la línea de mirada de uno de los dos ojos impidiendo que ambos ejes visuales coincidan sobre el objeto fijado. El ojo desviado se orienta con el eje visual hacia adentro (convergencia), cruzándose este con el otro ojo por delante del objeto fijado (Ver figura 2)” (Perea García J. , Endotropías, 2008, pág. 632). Cuando la desviación es permanente se habla de endotropía; cuando se pone de manifiesto intermitentemente, se habla de endotropía intermitente; y es latente cuando se rompe la fusión bifoveal y se le denomina endoforía (Perea García J. , Endotropías, 2008). 22 Figura 2. Paciente con endotropía en el ojo izquierdo Nota: Caso de Endotropia, adquirida aguda. Adaptado de ¿Qué hay que saber del estrabismo infantil?, por J. Gutierréz Amorós, 2016, JGA (https://josegutierrezamoros.es/que-hay-que-saber- del-estrabismo-infantil/) 2.1.4 Estrabismo Vertical “El estrabismo vertical es un desequilibrio sensor-motor ocular, de modo que mientras uno de los ojos mantiene la dirección de la línea de mirada sobre el objeto motivo de su atención, la situación estática o dinámica del eje visual del otro se desvía en sentido vertical. ya sea hacia arriba (Hipertropía, estrabismo superior), o hacia abajo (Hipotropía, estrabismo inferior) (Ver figura 3). Este puede verse aislado, pero con mayor frecuencia y para algunos autores siempre, acompañado o asociado a estrabismos horizontales: endotropías y exotropías” (Perea García J. , Estrabismo vertical, 2008). 23 Figura 3. Estrabismo vertical. Nota: (B). Hipertropía. (C). Hipotropía. Adaptado de (Martín Gómez & Casanovas Gordó, 2023) 2.1.5 Ambliopía Alteración del sistema visual caracterizada por una reducción de la agudeza visual en uno o ambos ojos, secundaria a una estimulación inadecuada de un sistema visual inmaduro (primera década de vida). “Se debe a una experiencia visual anormal en fases tempranas de la vida debido a diferentes causas, ya sea estrabismo, ametropías altas o anisometropías y deprivación visual” (Serrano Camacho & Gaviria Bravo, 2011, pág. 7). A menor edad, mayor posibilidad de desarrollar ambliopía. Tiene una prevalencia del 2 a 4 % en la población general. La limitación de la agudeza visual producto de la ambliopía es definitiva si no es tratada adecuadamente durante la infancia (Cumsille Ubago & Rojas Vargas, 2020). 24 2.1.6 Test De Hirschberg El test de Hirschberg permite detectar y medir el estrabismo mediante la comparación del reflejo luminoso corneal y la pupila (Serrano Camacho & Gaviria Bravo, 2011). El especialista ubica una fuente de iluminación entre 40-60 cm de distancia del rostro del paciente y subjetivamente define que el reflejo corneal se encuentra alineado al eje ocular o existe una desviación de este (Ver figura 4), la extensión en la que se desplaza el reflejo luminoso corneal del centro de la pupila proporciona una aproximación de la magnitud de la desviación (Garcia et al, 2021). Lo anterior, basado en los siguientes criterios: • Si no existe un estrabismo, el reflejo cae en el centro de la pupila de cada ojo. • Si en un ojo cae en el centro y en el otro, en el borde pupilar, se dice que hay un estrabismo de 15 grados. • Si el reflejo cae entre el borde pupilar y el limbo, el estrabismo es de 25 a 30 grados. • Si el reflejo cae a nivel límbico será de 45 grados. • Si estos reflejos se proyectan por dentro de la pupila, estamos ante una exotropía. • Si se proyectan por fuera, el paciente presenta una endotropía (Pérez Barreto, 2011). 25 Figura 4. Prueba de Hirschberg Nota: La extensión en la que se desplaza el reflejo luminoso corneal del centro de la pupila proporciona una aproximación de la magnitud de la desviación. Adaptado de Estrabismo y ambliopía, conceptos básicos para el médico de atención primaria (p. 116) por J. Serrano Camacho & M. Gaviria Bravo,2011, MedUNAB, 14(2). 26 2.1.7 Cover Test Cover test es una prueba de alineación ocular, es decir, evaluación de los movimientos oculares. “Para esto se necesita que el paciente tenga buena visión, capacidad para mover los ojos, atención y cooperación. Hay tres tipos de cover test: Cover-uncover (Ver figura 5), cover test alternante y cover test con prismas. Todas pueden realizarse con fijación de lejos y de cerca”. (Serrano Camacho & Gaviria Bravo, 2011, pág. 8). Figura 5 Cover test. Cover uncover. Nota: (A) Posición antes de la prueba. (B) Oclusor sobre el OI no desencadena movimiento de fijación del OD, no hay estrabismo del OD. (C) Oclusor sobre el OD no desencadena movimiento de fijación en el OI, no hay estrabismo del OI. Adaptado de Estrabismo y ambliopía, conceptos básicos para el médico de atención primaria (p. 115) por J. Serrano Camacho & M. Gaviria Bravo,2011, MedUNAB, 14(2). 27 2.1.7.1 Cover-Uncover. Test que consiste en alternar la oclusión de cada ojo, observando el movimiento del ojo recién revelado con el fin de detectar alguna desviación en la alineación visual. (Ver figura 5) 2.1.7.2 Cover Test Alternante. Se realiza pasando rápidamente el oclusor de un ojo al otro sin permitir que el paciente recupere la fusión (Serrano Camacho & Gaviria Bravo, 2011). Lo que implica detallar el movimiento compensatorio de cada ojo en respuesta, esto puede desenmascarar un estrabismo parcialmente compensado, a la vez de mostrarnos tendencia a la desviación llamada foria, que permiten una fijación normal al desocluir ambos ojos (Cumsille Ubago & Rojas Vargas, 2020). 2.1.7.3 Cover Test Con Prismas. Consiste en anteponer prismas a un ojo y realizar el Cover Test hasta que este se haga negativo, el valor del prisma que logra la anulación de los movimientos correctivos al Cover Test es la cuantía de la desviación en dioptrías prismáticas; también pueden anteponerse prismas hasta anular la diplopía, cuando esta existe, lo cual da un valor preciso de la desviación manifiesta (Cumsille Ubago & Rojas Vargas, 2020). 2.1.8 Reflejo Corneal Efecto que se genera en la córnea al ubicar una fuente de luz a una distancia determinadadel ojo. Las pruebas que requieren de este reflejo luminoso son útiles para medir la alineación ocular en los pacientes en quienes no se puede realizar el cover test, por mala visión o poca cooperación (Serrano Camacho & Gaviria Bravo, 2011). Para la detección del estrabismo, el médico se coloca detrás de una fuente de luz que dirige delante de los dos ojos del niño, para 28 iluminar ambos ojos simultáneamente. Fisiológicamente, se observa el reflejo corneal de esta luz (Nguyen & Espinasse-Berrod, 2021). 2.1.9 Procesamiento De Imágenes El procesamiento de imágenes implica la recopilación de señales biomédicas, la formación de imágenes, el procesamiento de imágenes y la visualización de imágenes para el diagnóstico médico basado en las características extraídas de las imágenes. En los últimos años, el procesamiento de imágenes digitales ha jugado un papel importante en las tecnologías de la información y la computación. Permitiendo mejorar las imágenes con fines médicos para revelar características especiales deseadas por los observadores humanos (Restrepo V., 2012). 2.1.9.1 Pre-Procesamiento. Hace referencia a técnicas de mejora de calidad y contraste de imágenes que se aplican como paso previo a la segmentación para garantizar una mayor efectividad en el proceso de detección de bordes y segmentación del iris o regiones deseadas (Valencia Murillo et al, 2014). 2.1.9.2 Segmentación. La segmentación subdivide una imagen en sus partes constituyentes u objetos, con el fin de separar las partes de interés del resto de la imagen de acuerdo con el tipo del problema que se va a resolver. Fundamentalmente, se han revisado los siguientes tópicos en segmentación: 1) Detección de bordes, 2) Umbralización, y 3) Basado en regiones (La Serna Palomino & Román Concha, 2009). 29 2.2 Marco Legal Para llevar a cabo el presente proyecto es necesario considerar diferentes normas, leyes y decretos aplicables al mismo. Dicha normatividad establecida es la siguiente: El presente proyecto consiste en el desarrollo de un software para el tamizaje inicial de estrabismo, por consiguiente, al tratarse de un software es importante tener en cuenta las bases legales que sustentan su uso, como lo es el estándar ISO/IEC 62304, el cual es una clasificación de seguridad de software que proporciona un marco para los procesos del ciclo de vida del software de dispositivos médicos con actividades y tareas necesarias para el diseño y mantenimiento seguros del software de dispositivos médicos, según la Organización Internacional de Normalización (ISO, IEC 62304, 2006). IEC 62304 es un estándar internacional publicado por la Comisión Electrotécnica Internacional (IEC) que define los requisitos de los procesos del ciclo de vida del software para desarrollar software para dispositivos médicos, especificando un conjunto de procesos, actividades y tareas que establecen un marco común para diseñar software seguro y probado para dispositivos médicos. El estándar clasifica el software en tres clases de seguridad según las consecuencias que puede sufrir un paciente por un posible fallo del software, para este caso aplica de tipo Clase A: ya que no es posible que cause lesión o daños a la salud. (Organización Internacional de Normalización (ISO, Desarrollo de software para dispositivos médicos conforme con el estándar IEC 62304, 2006). Asimismo, se tiene presente el Decreto 1360 DE 1989, "Por el cual se reglamenta la inscripción de soporte lógico (software) en el Registro Nacional del Derecho de Autor". Tal como lo expone el artículo 1° De conformidad con lo previsto en la ley 23 de 1982 sobre 30 Derechos de Autor, el soporte lógico (software) se considera como una creación propia del dominio literario (Decreto 1360, 1989). De igual forma, es importante tener presente la protección que la ley colombiana otorga al Derecho de Autor, para esto se hace énfasis en la Ley 23 de 1982, sobre derechos de autor. La cual protege exclusivamente la forma literaria, plástica o sonora, como las ideas del autor son descritas, explicadas, ilustradas o incorporadas en las obras literarias, científicas y artísticas, a su vez protege a los intérpretes o ejecutantes, a los productores de programas y a los organismos de radiodifusión, en sus derechos conexos a los del autor. (Ley 23, 1982). De igual forma, se consideran las modificaciones a la ley, tal como lo modificado por la Ley 44 de 1993, art. 61. Dónde se establece que la reserva de nombre será competencia de la Dirección Nacional del Derecho de Autor, constituyéndose en un derecho exclusivo a favor de sus titulares con el objeto único y específico de identificar y/o distinguir publicaciones periódicas, programas de radio y televisión, y estaciones de radiodifusión y demás modificaciones (Ley 44, 1993). Por último, la Ley 1915 DE 2018, es una ley importante aplicada al marco legal del presente proyecto, por la cual se modifica la Ley 23 de 1989 y se establecen otras disposiciones en materia de derecho de autor y derechos conexos. Al igual que las leyes anteriores, esta ley tiene implicaciones significativas que deben ser consideradas en la planificación y ejecución del proyecto (Ley 1915, 2018). 31 2.3 Estado Del Arte Con el fin de conocer el estado actual en el campo del estrabismo y las investigaciones realizadas relacionadas a la creación de herramientas para el diagnóstico de dicha patología se realizó una revisión exhaustiva y actualizada de los avances, investigaciones y conocimientos existentes en el área para sentar base en el planteamiento del proyecto. Esta investigación se presenta a continuación: El estudio y desarrollo de herramientas tecnológicas para detección de estrabismo por medio de procesamiento de imágenes en los últimos años ha experimentado un crecimiento considerable, sin embargo, actualmente el personal especialista sigue realizando dicha detección de forma manual por medio de diferentes pruebas tales como “test de Hirschberg, Krimsky y Brückner”, tal como explica el médico oftalmólogo Juan Carlos Serrano Camacho en su publicación “Estrabismo y ambliopía, conceptos básicos para el médico de atención primaria” (Serrano Camacho & Gaviria Bravo, 2011). Estos métodos son el fundamento teórico del funcionamiento de dichas herramientas tecnológicas. Actualmente, parte de los avances tecnológicos para detección de estrabismo se basan en el desarrollo de software mediante procesamiento de imágenes para seguimiento ocular, mediante el uso de recursos computacionales como herramienta de bajo costo, es por esto que en primer lugar se presenta un artículo publicado en el año 2017 en Brasil, titulado “Diagnóstico automático de estrabismo en videos digitales mediante cover test” (Azevedo Valente et al, 2017), en el cual se emplea un método computacional para el diagnóstico automático del estrabismo, este método se basa en el cover test y su detección a través de videos digitales con una precisión de 87% en su diagnóstico, su validación fue desarrollada en pacientes con exotropía, un tipo de estrabismo que contiene una desviación horizontal específicamente una 32 desviación hacia afuera del eje ocular. El método se fundamenta en técnicas de procesamiento de imágenes y video para la identificación de la pupila con respecto a la ubicación del limbo, realiza una detección del oclusor ocular y mantiene un constante seguimiento del movimiento ocular con diferentes puntos de fijación para definir el análisis final. Asimismo, como alternativa rápida, objetiva y fácil para la detección del grado de desviación de estrabismo, en el año 2019 se lleva a cabo un proyecto denominado “Diagnóstico y medición automatizados de estrabismo en niños” (Yehezkel et al, 2020), el cual consiste en un sistema automatizado para la medición de desviación ocular basado en el seguimientoocular y anteojos de oclusión. El sistema proporciona datos continuos de la posición del ojo y el punto de mirada, por medio de procesamiento y captura de imágenes con cámara infrarroja, se generan patrones de reflexión en la córnea con iluminación infrarrojo para calcular el vector formado entre la córnea y los reflejos formados. De igual forma, partiendo del principio de registro de movimiento ocular, en el año 2019, el Departamento de Ingeniería Mecánica de la Universidad Nacional de Chonnam en Corea del sur, presentó el artículo “Medición basada en realidad virtual de la desviación ocular en el estrabismo” (Miao et al, 2020) en dónde se desarrolla un sistema para la medición de desviación ocular utilizando un dispositivo de realidad virtual (RV) y técnicas de procesamiento de imágenes para el seguimiento de la pupila. La medición del ángulo de desviación se realiza de forma directa o por aproximación paso a paso según los datos obtenidos de movimiento ocular y diámetro del globo ocular. Estos tres proyectos citados previamente, presentan alternativas de procesamiento de imágenes para la detección de estrabismo teniendo en cuenta los diferentes movimientos que puede realizar el paciente durante el examen, además de diferenciar entre forias y tropías. Sin embargo, su principal desventaja es 33 que requieren de tecnología adicional para su análisis ya sea por medio de oclusor, cámara infrarroja o casco de realidad virtual. Por otro lado, se presenta un artículo de investigación publicado en el año 2021 en Corea, titulado “Un método de cribado automático para la detección del estrabismo basado en el procesamiento de imágenes” (Huang et al, 2021), cuyo objetivo es proporcionar un método automático de detección del estrabismo para personas que viven en zonas remotas con escasa accesibilidad médica. Utilizando técnicas de procesamiento de imágenes para calcular las distancias desde el centro de la pupila hasta los cantos o comisuras medial y lateral del ojo, con el fin de medir la desviación con respecto a la similitud posicional entre los dos ojos. Su método consiste en un modelo de detección facial basado en red neuronal, extracción de la región ocular seguido de métodos de binarización y mínimos cuadrados para obtener las coordenadas del centro de la pupila y finalmente calcular la similitud posicional del iris en ambos ojos. Proporcionando información al presente proyecto, referente a técnicas de procesamiento de imágenes como modelo de detección facial, detector de puntos de referencia faciales, binarización Otsu, Modelo de color HSV, estimación del centro de la pupila y cálculo de distancias. En cuanto a las investigaciones encontradas a nivel nacional, se presentan dos trabajos de grado. En primer lugar, se muestra el “Desarrollo de una herramienta de apoyo para la detección y cuantificación de niveles de estrabismo a partir de imágenes oculares en primera infancia y sector educativo superior de la ciudad de Pamplona” (Ayala Gómez, 2020), artículo expuesto en el año 2020 por el estudiante de la Universidad de Pamplona (Colombia), Nelson Esteban Ayala Gómez. En dónde se diseña una interfaz que permite la detección de diferentes grados de estrabismo en pacientes infantes y adultos. Utilizando métodos de preprocesamiento para mejorar la calidad de las imágenes, posteriormente detecta los puntos 34 de interés y realiza el cálculo de las distancias entre estos puntos. Por último, se contempla un trabajo de grado de la Universidad Autónoma de Bucaramanga (UNAB) del año 2022, denominado: “Desarrollo de un software para la clasificación del paralelismo y desviación ocular mediante el reconocimiento del reflejo corneal” (Blanco Olaya et al, 2022). Maria P. Blanco, John S. Rojas y Jose F. Camargo Mantilla, desarrollaron un software para brindar una herramienta de ayuda al profesional que pueda realizar una clasificación de forma más rápida y exacta, buscando reducir el tiempo de diagnóstico. Este método consiste en la detección y binarización del iris, pupila y reflejo corneal para la posterior ubicación del centroide y comparación posicional entre el centro de la pupila y su respectivo reflejo definiendo así, si existe o no una desviación del eje ocular. En cuanto a estos dos últimos proyectos mencionados anteriormente, demuestran dos alternativas de detección de estrabismo por medio de procesamiento de imágenes, utilizando como herramienta de programación el software Matlab. El proyecto de la Universidad de Pamplona, contribuye al presente proyecto en las funciones usadas en el preprocesamiento para la mejora de calidad de imágenes y métodos de binarización, sin olvidar que presenta información clave para reconocer diferentes funciones que posee la herramienta (MATLAB), de igual forma, el proyecto presentado en la UNAB sirve de apoyo para determinar métodos de comparación del centroide de la pupila con respecto al del reflejo corneal basados en el test de Hirschberg. Esclareciendo así, en el anterior proyecto, no se plantea una automatización del procesamiento, sino que requiere de una modificación manual de datos por parte del profesional para una correcta delimitación del área requerida. 35 3 Capítulo III Metodología Con el fin de tener una planificación y ejecución clara al momento de desarrollar el presente proyecto, se plantea un enfoque sistémico y eficiente en el planteamiento y desarrollo de la metodología estructurada, subdividida en 3 grandes bloques que conllevan actividades específicas que facilita el cumplimiento de los 3 objetivos establecidos anteriormente. Para esto, inicialmente se estableció el diseño del software de detección y clasificación de estrabismo, captando así, la selección del mejor método de programación a aplicar, seguido de la implementación del diseño del software determinado, para de esta forma finalizar con el evalúo del funcionamiento de este, bajo diferentes pruebas específicas, tal como se muestra en el diagrama metodológico de la figura 6. Figura 6 Diagrama metodológico 36 3.1 Etapa 1. Diseño del Software para Detección y Clasificación de Estrabismo Inicialmente, se plantea el diseño del software de detección y clasificación de estrabismo, para lograrlo, el método propuesto se estructuró en 3 actividades o pasos que se observan a continuación: 3.1.1 Selección del Lenguaje de Programación El enfoque de esta primera actividad diseñada para llevar a cabo el presente proyecto consiste en una investigación rigurosa acerca de las alternativas de lenguaje de programación que posean las herramientas necesarias para aplicar diversos métodos de procesamiento de imágenes, asimismo, se evalúa cada una de ellas conforme a las ventajas y desventajas de ser implementada en el proyecto. Se emplea la matriz de comparación de pesos como herramienta para la toma de decisión entre las alternativas de lenguaje de programación, siendo elegida la que presenta una mayor ponderación al final de la evaluación por la matriz, teniendo en cuenta los parámetros y criterios definidos en esta. 3.1.2 Determinar Técnicas de Preprocesamiento y Procesamiento del Software Una vez definido el lenguaje de programación, se procede a investigar técnicas de preprocesamiento, segmentación y/o binarización de áreas requeridas (limbus y reflejo corneal) para la comparación de la localización del centro del limbus con respecto al reflejo corneal. Logrando obtener así una técnica de preprocesamiento y procesamiento que facilite la búsqueda de información específica y reconocimiento de patrones del área de los ojos evaluada en imágenes de rostro de internet. 37 3.1.3 Diseño de la Interfaz Como parte final de este primer segmento, se plantea el diseño de la interfaz según los requerimientos del profesional en Salud y mejoras detectadas del Software ‘Strab Vision’.Para esto, se lleva a cabo un diseño del MockUp, facilitando la presentación del diseño inicial, asegurando a su vez que se cumplan los requisitos y se logre una interfaz intuitiva. Pues, dicho boceto de la interfaz del software debe cumplir una funcionalidad de fácil uso. 3.2 Etapa 2. Implementar el Diseño del Software para Detección y Clasificación de Estrabismo El segundo objetivo se enfoca en el desarrollo del Software teniendo en cuenta el MockUp de la interfaz, los métodos de preprocesamiento y procesamiento definidos, para esto se deben seguir las siguientes actividades: 3.2.1 Obtención de la Base de Datos Es importante tener en cuenta la base de datos que será proceso de estudio en este proyecto, para esto se hace una recopilación de imágenes de internet (libres) de estrabismo con diagnóstico definido que cumplan con las características requeridas, teniendo presente los criterios de exclusión presentados en el apartado de limitaciones y delimitaciones. 38 3.2.2 Desarrollo del Algoritmo de la Interfaz Una vez recopilada la base de datos de imágenes, se desarrolla la programación orientada a objetos correspondiente al diseño de la interfaz propuesta. Garantizando de esta forma que corresponda a una interfaz de fácil uso que cumpla con las características y necesidades definidas. 3.2.3 Desarrollo del Software Finalmente, como parte integral de la implementación del diseño, se procede a la elaboración del código de programación correspondiente al diseño planteado. Esta fase integra la programación de procesamiento de imágenes la cual permite realizar una detección y clasificación de estrabismo según cada imagen ingresada, con respecto a la programación orientada a objetos de la interfaz. 3.3 Etapa 3. Evaluar el Grado de Funcionamiento del Software Como etapa final del planteamiento de la metodología, se introduce la etapa de evaluación del software desarrollado, a continuación, se presentan 3 actividades que garantizarán el buen funcionamiento del software. 39 3.3.1 Análisis del Funcionamiento de la Interfaz de Usuario Como primera actividad para el desarrollo del tercer y último objetivo del proyecto, se realiza 30 pruebas de interfaz de usuario, por medio de la comprobación del funcionamiento de cada uno de los elementos (botones, label, Widget, etc) que componen la interfaz, es decir, se realizan pruebas unitarias de los componentes individuales de la aplicación, así como realizar el registro y búsqueda de pacientes para evaluar el fácil uso de este y verificar que funcione bajo los parámetros establecidos. 3.3.2 Obtención de los Resultados En esta sección se registran los resultados presentados por el software, correspondiente a cada imagen ingresada con su respectivo diagnóstico en forma de tabla de detección y clasificación de estrabismo. 3.3.3 Pruebas de Funcionamiento del Software Para concluir, como actividad final para el cumplimiento de la evaluación del software, se realiza 30 pruebas de funcionamiento de software. Teniendo en cuenta el diagnostico generado y funcionamiento de la interfaz. 40 4 Capitulo IV Resultados y análisis de resultados En este capítulo, se expondrán los hallazgos obtenidos durante cada fase de ejecución del presente proyecto, analizando su relevancia y sentido en el contexto de los objetivos previamente definidos. 4.1 Etapa 1. Diseño del Software para Detección y Clasificación de Estrabismo Los resultados obtenidos fueron segmentados en las 3 fases planificadas del proyecto, para lograr el diseño del software, a continuación, se observa los resultados del primer objetivo: 4.1.1 Selección del Lenguaje de Programación Basados en la metodología propuesta, para la selección del lenguaje de programación se realizó una matriz de pesos entre el lenguaje Phyton y MATLAB, evaluando términos de desarrollo tanto en el frontend (interfaz de usuario) como en el backend (lógica y procesamiento) bajo 10 criterios, de acuerdo con una calificación de 1 (Cumple), 0 (Cumple parcialmente) y -1 (No cumple), como se observa en la tabla 1, los criterios mencionados anteriormente son: Tabla 1. Calificaciones establecidas Valores Cumplimiento del Propósito 1 Cumple 0 Cumple Parcialmente -1 No cumple 41 Frontend (Interfaz de usuario) 62% • Variedad de Frameworks UI: Hace referencia a la amplia gama de herramientas y colección de bibliotecas disponibles que permiten a los desarrolladores crear interfaces de usuario (UI) para aplicaciones de software con más componentes. (Jiménez, 2023) • Ambiente de Desarrollo Integrado (IDE): es una aplicación de software que ayuda a los programadores a desarrollar código de software de manera eficiente. Aumenta la productividad de los desarrolladores al combinar capacidades como editar, crear, probar y empaquetar software en una aplicación fácil de usar (AWS, s.f.). • Familiaridad y transición: Este criterio hace referencia al grado en que un programador está cómodo y confiado al trabajar con un lenguaje de programación en particular, facilitando el proceso de codificación. • Licencias y costos: Los lenguajes de programación suelen incluir licencias bajo las cuales se define cómo se puede utilizar, distribuir y modificar el mismo, además de los costos asociados a el uso de herramientas, bibliotecas y recursos relacionados con el lenguaje. • Interfaz de usuario intuitiva: Hace referencia a la medida en la que se facilita la interacción “usuario vs interfaz”. Buscando siempre una relación intuitiva que facilite la experiencia del usuario. Backend (Lógica y procesamiento) 38% • Integración con Sistemas Externos: Capacidad que posee el lenguaje de programación para interactuar y trabajar en conjunto con otros sistemas. • Librerías de Ciencia de Datos: Conjunto de funciones y herramientas predefinidas que facilitan y optimizan el análisis de datos. 42 • Comunidad activa: Conjunto de desarrolladores activos que contribuyen constantemente al desarrollo y actualización de proyectos enfocados a un lenguaje de programación, generando popularidad y trayendo consigo beneficios tales como una comunicación regular que permite solucionar dudas y problemas además de realizar contribuciones al código fuente. • Procesamiento de Señales y Análisis Numérico: Capacidad de una herramienta para llevar a cabo operaciones matemáticas y estadísticas de manera efectiva (entorno de cálculo técnico de altas prestaciones) mediante el manejo de matrices y funciones numéricas. • Versatilidad: Hace alusión a la capacidad del lenguaje para adaptarse y ser utilizado de diversas maneras en diferentes aplicaciones. • Simulación y modelado: Capacidad de una herramienta para simular el comportamiento de sistemas dinámicos. A continuación, se presentan los porcentajes definidos para cada tipo de criterio “Frontend y Backend” (Ver tabla 2). Tabla 2. Porcentajes de criterios de evaluación Criterio Valor Porcentual Frontend 62% Backend 38% Posteriormente se presenta la matriz de selección del lenguaje de programación (Ver tabla 3), en la cual se observa los valores asignados a cada criterio y el cálculo total según el porcentaje. 43 Tabla 3. Matriz de selección de lenguaje de programación Lenguaje de Programación Valor Ponderado Python Matlab Criterios de Evaluación Valor % Valor % C ri te ri o s d e F ro n te n d ( In te rf a z d e U su a ri o ) Variedad de Frameworks UI 10% 1 0,10 0 0 Ambiente de Desarrollo Integrado (IDE) 9% 0 0,00 1 0,09 Familiaridad y transición 13% -1 -0,13 1 0,13 Licencias y costos 15% 1 0,15 -1 -0,15 Interfaz de usuario intuitiva 15% 1 0,15 1 0,15 C ri te ri o s d e B a ck e n d (L ó g ic a y P ro ce sa m ie n to ) Integración con SistemasExternos 5% 1 0,05 0 0 Librerías de Ciencia de Datos 12% 1 0,12 -1 -0,12 Comunidad activa 8% 1 0,08 0 0 Procesamiento de Señales y Análisis Numérico 2% -1 -0,02 1 0,02 Versatilidad 8% 1 0,08 0 0 Simulación y modelado 3% 0 0 1 0,03 TOTAL: 100% 0,58 0,15 Seleccionado Luego de realizar la comparación entre los dos lenguajes de programación (Phyton y MATLAB), se obtiene como resultado a Phyton como lenguaje de programación apropiado para el presente proyecto con un puntaje de 0,58%, debido a que este presenta varias ventajas en términos de desarrollo, un claro ejemplo de esto es su amplia variedad de bibliotecas y frameworks para la creación de interfaces de usuario, además de su extenso uso en la comunidad de ciencia de datos, respaldada por una gran comunidad activa de desarrolladores en auge debido a que cuenta con una diversa gama de aplicaciones. Esto sin olvidar que Python es un software completamente libre. MATLAB por el contrario es un programa con licencia de pago, teniendo consigo atribuciones en aplicaciones específicas distintas, tales como el procesamiento de 44 señales, simulación y una gran fortaleza entorno al análisis y modelamiento numérico, así como la visualización de datos. 4.1.2 Determinar Técnicas de Preprocesamiento y Procesamiento del Software Tras una exhaustiva investigación fundamentada en el estado del arte del presente documento, y al tratarse de un área como el “procesamiento de imágenes”, dónde estás presentan diversas características, se implementaron múltiples técnicas que comprometieron un proceso de prueba y error, lo que conllevó como resultado de esta actividad las siguientes técnicas de preprocesamiento y procesamiento de imágenes. Ver Figura 7: Figura 7. Etapas de procesamiento de la imagen. 45 La primera etapa consiste en el reconocimiento de patrones del rostro con marcadores faciales de 468 puntos de referencia por medio de la librería MediaPipe que permite aplicar inteligencia artificial (IA) y machine learning (ML) para el reconocimiento de diferentes puntos del rostro (Ver figura 8). Figura 8. 468 puntos de referencia (Marcadores faciales). A continuación, se delimita y resalta el contorno del ojo e iris teniendo en cuenta los marcadores o puntos de referencia definidos en las zonas de interés (Ver figura 9). Figura 9. Contorno del ojo e iris 46 Los contornos anteriormente definidos se utilizan para definir el tamaño de las dos primeras mascaras que permite segmentar las áreas de interés (limbus). (Ver figura 10) A partir de esta segmentación, se realiza una conversión a escala de grises (Ver figura 11, A), seguido de una ecualización de esta área (Ver figura 11, B), con el fin de ajustar su histograma de intensidad, permitiendo mejorar el contraste y la visibilidad de los detalles en la imagen por medio de una redistribución de los niveles de intensidad de manera uniforme. Además de esto se realiza una binarización por Otsu, que permite determinar un umbral a partir de los valores de intensidad de la imagen con la finalidad de segmentar con mayor detalle todo el contorno del limbus, mediante la aplicación de una tercera máscara separando así el área de interés del resto de la imagen, obteniendo como resultado la figura 11, C). Figura 10. Mascaras 1 y 3 47 Figura 11. Procesamiento realizado Nota: (A) Escala de grises, (B) Ecualizada, (C) Binarización por Otsu. Es importante recalcar que el procesamiento es realizado en ambos ojos (OI y OD) Con base a esto, se detecta el contorno de la imagen y se define una circunferencia que mejor se adapte a ese contorno, obteniendo a su vez la variable correspondiente al centro del limbus (Ver figura 12, A). Luego se realiza una binarización con un umbral de 230, se reconoce los contornos de la imagen resultante y se elimina las figuras que menos se asemeje a una circunferencia, finalmente se define una circunferencia que mejor se adapte al contorno resultante y su centro representa el centro del reflejo corneal. Ver figura 12, B. Figura 12. Áreas de interés Nota: (A) Limbus, (B) Reflejo corneal A B C B A 48 De modo que, obteniendo estas áreas de interés, se realiza una comparación de coordenadas, que implica el cálculo del centro de referencia, teniendo en cuenta la distancia del centro del limbus al reflejo corneal; de manera que dicha distancia es igual a la que se desplazará el centro del limbus del otro ojo, generando un nuevo centro, debido a que en la mayoría de las imágenes el reflejo corneal no se encuentra alineado con el centro de este (limbus) por la complejidad de ejecución a la hora de la captura de la imagen. Para la obtención del diagnóstico, se verifica la dirección de la desviación del nuevo centro con respecto al reflejo corneal (Ver Figura 13). Figura 13. Coordenadas del centro del Limbus adaptadas Nota: Punto rojo (reflejo corneal), Punto verde (nuevo centro). 49 4.1.3 Diseño de la Interfaz Tal como se estableció en la metodología del presente documento, el objetivo de dicha interfaz de usuario era que fuera intuitiva y amigable con el personal de atención primaria en salud, para cumplir este objetivo se realizó un Mock-Up con el fin de visualizar la apariencia y disposición de esta antes de su implementación, sin embargo, este diseño tuvo varias modificaciones a lo largo del tiempo de acuerdo con las observaciones del personal. A continuación, se presenta la primera versión del Mock-Up (Ver figura 14), el cual solo contaba con 4 pestañas llamadas: Pantalla de inicio, registro de paciente, Realización de estudio e informe de estudio. Figura 14. Primera versión Mock-Up 50 A continuación, se presenta el logo del software creado, el cual ilustra el propósito de su desarrollo (Ver figura 15). Figura 15. Logo del Software Después de ser presentada y puesta en práctica ante la Coodirectora Dra. Angélica María Prada Rocha, oftalmóloga perteneciente al grupo de salud al que va dirigido este software, se establecieron ciertos cambios de diseño, funcionalidad y mejoras en la usabilidad de este, logrando obtener así los siguientes resultados, sin embargo si desea obtener un mayor detalle con respecto al uso del software “Strab Visión 2.0”, sus instrucciones, orientación e información adicional, diríjase al anexo 1 llamado “Manual de usuario”. En la figura 16 (A) se observa una ventana de inicio de sesión en la cual se podrá ingresar con un usuario y contraseña establecido (Ver anexo 1 “Manual de Usuario”), al ingresar el sistema le informará “Inicio de sesión exitoso” y en caso contrario generará una alerta de “usuario o contraseña incorrectos”. Una vez sea iniciada la sesión, será dirigido a la ventana principal, Ver Figura 16 (B) donde se puede observar dos alternativas: 1) Registro de paciente 2) Búsqueda de pacientes. 51 Figura 16. Ventanas de inicio. Nota: (A) Ventana inicio de sesión (B) Ventana principal A continuación, se observa la ventana correspondiente al registro del paciente (Ver figura 17), al no ser llenados los campos obligatorios se generará una alerta que no permitirá guardar datos o comenzar nuevo estudio. Por otro lado, en la ventana “Buscar paciente” se encuentran los registros previamente almacenados. Esta ventana permite buscar un registro por ID, seleccionar paciente para crear nuevo estudio o eliminar registro. Cada registro es almacenado con los datos del paciente, hora y fecha del estudio, resultados y comentarios. A B 52 Figura 17. Registros de pacientes. Nota: (A) Registrar Paciente, (B) Buscar Paciente Finalmente, se observa la ventana referente a los resultados del procesamiento de la imagen, Ver Figura 18 (A), donde se puede observar la segmentación de laszonas de interés y la comparación entre coordenadas. Por otra parte, se observa la interfaz “informe de resultados” Ver Figura 18 (B), este consiste en un resumen con los datos del paciente, hora y fecha del estudio, imagen original, imagen del resultado final y comparación grafica de coordenadas, el resultado del diagnóstico definido por el Software y un espacio para ingresar los comentarios que requiera el profesional de salud. El informe de resultados puede ser almacenado como PDF o por medio del botón “guardar estudio” que registra en el Software los datos relevantes del paciente y diagnóstico, facilitando al profesional de salud la búsqueda de pacientes permitiéndole llevar un seguimiento continuo del mismo. A B 53 Figura 18. Procesamiento e informe de resultados Nota: (A) Interfaz de procesamiento de imágenes, (B) resumen del informe. 4.2 Etapa 2. Implementar el Diseño del Software para Detección y Clasificación de Estrabismo Teniendo el diseño de la interfaz como resultado, se procedió con la implementación de dicho diseño. Para dar cumplimiento a este objetivo, fue necesario el desarrollo de las 3 actividades planteadas en la metodología, de las cuales se obtuvieron los siguientes resultados: 4.2.1 Obtención de la Base de Datos Para la creación de la base de datos propia, se recopilaron imágenes de personas diagnosticadas con estrabismo y sin esta condición (normal) a partir de fuentes confiables de B A 54 imágenes libres en internet disponibles en artículos científicos y de investigación, libros y bases de datos de artículos tales como Pubmed y ScienceDirect. Para garantizar las imágenes adecuadas fue crucial llevar a cabo un proceso de selección de aquellas imágenes que cumplen con la estandarización establecida en el anexo 1 “Manual de usuario”, específicamente en el protocolo (criterios de exclusión de fotografías). Un claro ejemplo de esto es que la mayoría de las imágenes encontradas acerca de esta patología son recortadas para enfocarse en la sección de los ojos y tal como se mencionó en la metodología, el uso de Marcadores Faciales (Land Marks) para detección específica y reconocimiento facial, requieren de imágenes de rostro completo. Finalmente se logró reunir un banco de imágenes que consta de 35 fotografías con diferente clasificación de estrabismo e imágenes sin desviación, cuyo diagnóstico fue verificado por la Doctora Angélica María Prada Rocha. 4.2.2 Desarrollo del Algoritmo de la Interfaz Para el desarrollo del algoritmo de la interfaz se convirtió o compiló el diseño realizado en Qt Designer utilizando PyQt, para luego integrar el diseño en PhyCharm (IDE) e implementarle funcionalidad a la misma. Se realiza la programación orientada a objetos de cada uno de los elementos definidos en el diseño de la interfaz. (Ver Anexo 2: Diagrama de flujo) 4.2.3 Desarrollo Del Software Como último paso para darle cumplimiento a el segundo objetivo, se desarrolló el software. Para esto, se implementan las técnicas de procesamiento y preprocesamiento de 55 imágenes previamente definidas en el diseño y sus resultados se integran en la programación orientada a objetos de la interfaz, obteniendo así un software capaz de detectar y clasificar estrabismo, tal como se muestra a continuación en las figuras 19 y 20. Figura 19. Resultado paciente con DX "Endotropía" De igual forma, a continuación, se evidencia el resultado del informe de una paciente en periodo Post Operatorio, la cual no presenta estrabismo. (Ver figura 20) 56 Figura 20. Resultado paciente sin estrabismo "Sin detección de estrabismo" 4.3 Etapa 3. Evaluar el Grado de Funcionamiento del Software Con el fin de garantizar el correcto funcionamiento del software, a continuación, se presentan los resultados de las 3 actividades planteadas que verifican el grado de funcionamiento de este. 57 4.3.1 Análisis del Funcionamiento de la Interfaz de Usuario Se verifica el funcionamiento de cada componente de la interfaz y si cumple la función asignada, teniendo en cuenta las características del diseño. Se realiza 30 pruebas por cada elemento y se verifica la funcionalidad de cada elemento que compone la interfaz como por ejemplo botones, label para visualizar texto e imágenes, etc (Ver Tabla 4). Tabla 4. Resultados de pruebas unitarias ELEMENTO NÚMERO DE PRUEBAS NÚMEROS DE ÉXITOS Botón Iniciar sesión 30 30 Botón Registrar paciente 30 30 Botón Buscar paciente 30 30 Botón Guardar datos 30 30 Botón Buscar 30 30 Botón Nuevo estudio 30 30 Botón Eliminar estudio 30 30 Botón Pantalla de inicio 30 30 Table Widget 30 30 Botón Seleccionar imagen 30 30 Botón Analizar imagen 30 30 QLabel Imagen original 30 30 QLabel Ojo derecho 30 30 QLabel Ojo izquierdo 30 30 58 QLabel Ojo afectado con coordenadas 30 30 QLabel Coordenadas 30 24 Botón Resumen informe 30 30 Botón Descargar informe 30 30 Botón Pantalla inicio 30 30 Botón Guardar estudio 30 30 4.3.2 Obtención de los Resultados En cuanto a los resultados de esta actividad, a continuación, se presenta la Tabla de detección y clasificación de los pacientes según los resultados arrojados por el software (tabla de sensibilidad y especificidad), por medio de la comparación con el diagnóstico previo de cada imagen. Obteniendo el siguiente informe de examen como evaluación específica para cada “paciente” y/o imagen. (Ver tabla 5) Tabla 5. Comparación diagnóstico de la imagen vs resultado del software IMAGEN DIAGNOSTICO SOFTWARE 1 Endotropía Ojo izquierdo Endotropía e Hipertropía 2 Endotropía Ojo derecho Endotropía 3 Endotropía Ojo derecho Endotropía 4 Endotropía Ojo izquierdo Endotropía e Hipotropia 59 5 Endotropía Ojo derecho Endotropía 6 Endotropía Ojo izquierdo Endotropía e Hipertropía 7 Endotropía Ojo izquierdo Endotropía 8 Endotropía Ojo izquierdo Endotropía e hipertropia 9 Endotropía Ojo izquierdo Endotropía e hipertropia 10 Endotropía Ojo izquierdo Endotropía 11 Endotropía Ojo izquierdo Endotropía e hipotropía 12 Endotropía Ojo izquierdo Endotropía e hipotropía 13 Endotropía Ojo derecho Endotropía e hipertropia 14 Exotropía Ojo derecho Exotropía e Hipotropía 15 Exotropía Ojo izquierdo Exotropía e Hipertropía 16 Exotropía Ojo derecho Exotropía 17 Exotropía Ojo derecho Exotropía 18 Exotropía Ojo izquierdo Exotropía 19 Exotropía Ojo derecho Exotropía 20 Exotropía Ojo derecho Exotropía 21 Exotropía Ojo izquierdo Exotropía 22 Exotropía Ojo izquierdo Exotropía 23 Exotropía Ojo izquierdo Exotropía 24 Exotropía Ojo izquierdo Exotropía 25 Exotropía Ojo derecho Exotropía e Hipertropía 26 Exotropía Ojo derecho Exotropía e Hipotropía 27 Exotropía Ojo izquierdo Exotropía 60 28 Hipertropía Ojo izquierdo Exotropía e Hipertropia 29 Hipertropía Ojo derecho Exotropía e Hipertropía 30 Hipertropía Ojo izquierdo Hipertropía e Endotropía 31 Hipotropía Ojo derecho Exotropía e Hipotropía 32 Sin estrabismo Sin estrabismo 33 Sin estrabismo Ojo derecho Exotropía e Hipotropía 34 Sin estrabismo Sin estrabismo 35 Sin estrabismo Sin estrabismo Elaborada la tabla de comparación de resultados de imágenes con diagnóstico de internet vs el resultado obtenido por medio del Software “Strab Vision 2.0”, se realiza el cálculo de la sensibilidad y especificidad de este, basado en los resultados anteriormente presentados. Para esto se presenta una tabla resumen (Ver tabla 6) Tabla 6. Resumen de resultados La patología concuerda con la predicción. La patología no concuerda con la predicción. Hipertropía 3 0 Hipotropía 1 0 Endotropía 13 0 Exotropía 14 0 Normales/Control 3 1 61 Partiendo de estos resultados, se realiza la tabla de sensibilidad y efectividad aplicable al proyecto (Ver tabla 7) Tabla 7. Tabla de valores predictivos
Compartir