Tesis

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