Tesis Completa Abraham - correciones final
Transcript of Tesis Completa Abraham - correciones final
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA
UNIDAD ZACATENCO
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN
“Estudio espectrométrico de piel con luz blanca
y luz ultravioleta de 365nm”
TESIS
Que para obtener el grado de
MAESTRO EN CIENCIAS EN INGENIERÍA ELECTRÓNICA
PRESENTA
ING. ABRAHAM ESCOBAR PÍO
DIRECTORES DE TESIS
DR. JOSÉ MANUEL DE LA ROSA VÁZQUEZ
DR. SUREN STOLIK ISAKINA
México D.F., enero 2015
i
ii
CARTA CESIÓN DE DERECHOS
En la Ciudad de México, D.F. el día 08 del mes de diciembre del año 2014, el que
suscribe Abraham Escobar Pío alumno del Programa de Maestría en Ciencias en
Ingeniería Electrónica, con número de registro B120760, adscrito a la Sección de
Estudios de Posgrado e Investigación, manifiesta que es el autor intelectual del
presente trabajo de Tesis bajo la dirección del Dr. José Manuel de la Rosa Vázquez y del
Dr. Suren Stolik Isakina y cede los derechos del trabajo titulado Estudio
espectrométrico de piel con luz blanca y luz ultravioleta de 365nm, al Instituto
Politécnico Nacional para su difusión, con fines académicos y de investigación.
Los usuarios de la información no deben reproducir el contenido textual, gráficas o
datos del trabajo sin el permiso expreso del autor y/o directores del trabajo. Este puede
ser obtenido escribiendo a las siguientes direcciones [email protected],
[email protected] y [email protected]. Si el permiso se otorga, el usuario
deberá dar el agradecimiento correspondiente y citar la fuente del mismo.
Abraham Escobar Pío
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA DE INVESTIGACIÓN Y POSGRADO
iii
Resumen
En esta investigación se hace uso de la fotografía digital con iluminación de luz blanca y
luz ultravioleta (365 nm) y de sus correspondientes espectroscopias de reflectancia
difusa y fluorescencia para el estudio de lesiones en piel de 50 pacientes del
Departamento de Dermatología del Hospital General Manuel Gea González de la Cd. de
México. Se desarrollaron fuentes de iluminación basadas en LEDs de luz blanca cálida,
y Ultra-Violeta de 365 nm. Se usó una cámara digital SONY Cyber-shot DSC-HX200V.
En una PC se implementó software para que el médico pudiese elegir la zona de la
lesión y una zona de las mismas dimensiones de tejido sano en la imagen digital para su
análisis, a través de histogramas RGB, y calcular la intensidad relativa del tejido
anormal respecto al tejido normal. Con las mediciones de intensidad relativa se
pudieron diferenciar lesiones pigmentadas en pacientes con fototipo III y IV. Las
mediciones espectroscópicas se realizaron con un sistema basado en un espectrómetro
HR4000CG-UV-NIR y una fibra óptica bifurcada R200-ANGLE-UV de la firma Ocean
Optics, las fuentes de luz usadas para el estudio espectroscópico son del mismo tipo que
las usadas para la iluminación en la toma de imágenes. El diagnóstico de los
padecimientos estudiados fue establecido de las biopsias practicadas a los pacientes por
el Departamento de Histopatología del Hospital.
Abstract
Digital photography, under with white light and UV light illumination, and their
corresponding diffuse reflectance and fluorescence spectroscopy, was used for the
study of skin lesions in 50 patients of the Dermatology Department of the Hospital
General Manuel Gea González in México City. Light sources based on warm white and
Ultra-Violet 365 nm LED´s, were developed. A SONY Cyber-shot DSC-HX200V digital
camera was used. Software was implemented in a PC so that physicians could choose
the lesion area and an area of the same dimensions of healthy tissue of the image for
analysis via RGB histograms. The relation of the lesion tissue intensity to the normal
tissue intensity was useful to differentiate pigmented skin lesions in phototype III and
IV patients. Spectroscopic measurements were performed using a system based on a
HR4000CG-UV-NIR spectrometer and an optical bifurcated fiber R200-ANGLE-UV,
both from Ocean Optics, light sources used for the spectroscopic study are the same
type as those used for photographic illumination. The diagnosis of the tissue conditions
was established from biopsies performed on the patients by the Histopathology
Department in the Hospital.
iv
Agradecimientos
Para realizar este trabajo de tesis quiero agradecer a las personas que me apoyaron y
han puesto en mí, algo importante.
Dios te doy gracias por abrir mi mente cada día, me has llevado en un camino seguro
donde lo mejor está por llegar, gracias por darme salud, tranquilidad, paz, alegría y los
deseos de superarme.
Mamá eres la mujer que ha marcado mi vida, tu ejemplo de sacrificio, trabajo,
responsabilidad, valores y firmeza, hasta el día de hoy lo he usado como herramienta
para luchar ante la vida. Cada vez que camino por los pasillos del politécnico, respiro tu
aroma, tu sencillez, tu sonrisa, puedo recordar cuando te agarraba de la mano hace
muchos años y sentía tu seguridad que me protegía de cualquier cosa, tu esencia está en
todo este lugar, te amo y te honro como la mujer que luchó por su familia y construyó
los cimientos de progreso y prosperidad que tus nietos y bisnietos te estarán
eternamente agradecidos. Gracias por enseñarme a amar a Dios.
Papá eres un hombre adelantado a tu tiempo, inteligente, visionario, esforzado, nunca
estático, siempre activo, hombre de fe, amoroso, respetuoso, que enseñas con el
ejemplo. Definitivamente has dejado huella en mí, cada paso que doy estás a mi lado,
apoyándome, inspirándome confianza de que el futuro es el producto de lo que
hacemos hoy, he aprendido de ti que el éxito se logra de la noche a la mañana, 15 años
para ser preciso, muchas gracias por enseñarme el camino correcto, por darme
felicidad toda mi vida. Eres el constructor de un legado que permanecerá por mucho
tiempo y que tendrá continuidad en tu descendencia, Papá te amo y te honro, gracias
por enseñarme a amar a Dios.
Lucy, mi hermana mayor, estoy tan agradecido contigo, has marcado mi vida con
ternura, protección, apoyo, alegría y humildad, eres tan inteligente y exitosa, que
simplemente estar un paso atrás tuyo sería un orgullo poderlo alcanzar. Gracias por
preguntarme constantemente ¿Cómo te va?, ¿Necesitas algo?, te amo hermana, eres
una parte importante en mi desarrollo personal.
Betty, mi hermana de en medio, ¿Te acuerdas los momentos que pasamos juntos
cuando estábamos solteros?, ¡Cómo anhelo esos tiempos!, gracias por influenciarme
creatividad, mi gusto por la música es gracias a ti, tu siempre haces cosas nuevas,
v
marcas la pauta, me has enseñado que las cosas se hacen bien desde la primera vez, te
amo hermana, eres una parte importante en mi desarrollo personal.
Gilda esposa mía, gracias por apoyarme en mis decisiones, por estar conmigo en las
buenas y en las malas, en la salud y en la enfermedad, en nuestros proyectos, gracias
por cuidarme y respetarme, eres mi mejor amiga, eres el puerto seguro donde anhelo
llegar, eres mi alegría. Este logro te lo dedico a ti, porque cada cosa que emprendo tú
estás conmigo trabajando en equipo, eres una parte vital para que yo pueda funcionar,
para que pueda soñar. Gracias por darme 3 alegrías que me inspiran a ser mejor cada
día, te amo y te honro, eres mi mejor decisión en la vida.
Abraham mi hijo primogénito, gracias por darme el privilegio de ser padre, te amo hijo
y este logro también te lo dedico y que sea un ejemplo para que te superes cada día, yo
sé y creo fervientemente en mi corazón que serás alguien importante para este país,
prepárate, sueña y conquista.
Shirley mi hija de en medio, gracias por darme la alegría de vivir la ternura, eres la
prueba viviente que los milagros existen, tienes una misión importante en este mundo.
Te amo hija, me gustan tus travesuras. Te dedico este logro, prepárate, sueña y
conquista.
Gildita mi hija menor, eres el sueño que yo tuve desde que me casé, tu necesidad de mí
es algo que me vuelve vulnerable ante ti, tienes una autoridad de mando que sólo Dios
lo pudo poner en ti desde pequeñita. Te dedico este logro y recuerda que tu hermano
será la llave que abrirá la puerta para que tú cumplas el propósito de Dios en este país,
prepárate, sueña y conquista.
Le doy gracias a mis suegros Sergio y Gilda que me han apoyado en todo lo que me he
propuesto, son como mis segundos padres, los amo y los honro, también quiero
agradecer a Jenny mi cuñada por el apoyo y amor a mi familia.
Agradezco el apoyo de mis cuñados Mauricio y Pablo que me han apoyado en todo lo
que les he pedido, gracias por su apoyo económico cuando lo necesité, les estoy
eternamente agradecido.
Annie, Pao, Mely, Karen, Mau y Pablito, los amo, el tesoro más grande que pueden
tener es el conocimiento, supérense en sus estudios y lograrán lo que deseen.
vi
José Luis Arellano gracias por ser mi amigo y por ser el propulsor para llevarme a otro
nivel de fe, te amo y te respeto, como a tu hermosa familia.
Dr. José Manuel De la Rosa Vázquez, gracias por compartir sus invaluables
conocimientos para el desarrollo de este trabajo de tesis, ha demostrado a través de los
años que tengo de conocerlo que es una gran persona, lo admiro y lo respeto, gracias
por brindarme su amistad, es un privilegio trabajar a su lado.
Dr. Suren Stolik Isakina, gracias por dar orientación y conocimiento a este trabajo de
tesis, agradezco sus comentarios y observaciones, que me ayudaron en gran manera,
admiro su inteligencia y la gran persona que es.
Agradezco a los Doctores que integraron la comisión revisora de este trabajo de tesis
por aportar sus conocimientos y comentarios constructivos para mejorar este trabajo,
al Dr. Francisco Javier Gallegos Funes, al Dr. José Alberto Pérez Benítez, al Dr. José
Alberto Delgado Atencio y al Dr. Alberto Jorge Rosales Silva.
Agradezco al Departamento de Dermatología del Hospital General “Dr. Manuel Gea
González”, en especial a la Dra. Stefanie Arroyo Camarena, médico residente nivel R4,
que trabajó en conjunto para lograr este trabajo de tesis.
Agradezco a todo el personal académico, al personal de apoyo y a la comunidad
estudiantil de la Maestría en Ciencias en Ingeniería en Electrónica de la ESIME
Zacatenco.
vii
“Si puedes creer, al que cree todo le es posible”
Jesucristo
“El genio se compone del dos por ciento de talento
y del noventa y ocho por ciento de
perseverante aplicación.”
Ludwig van Beethoven
viii
Índice general
Acta de Revisión de Tesis………………………………………………………………………………..i
Carta de Cesión de Derechos ………………………………………………………………………….ii
Resumen …………………………………………………………………………………………………….iii
Abstract………………………………………………………………………………………………………iii
Agradecimientos……….…………………………………………………………………….…………...iv
Índice General……………………………………………………………………………………………viii
Índice de Figuras……………………………………………………………………………………….....x
Índice de Tablas ………………………………………………………………………….……………...xii
Acrónimos y Abreviaturas …………………………………………………………………………..xiii
Objetivo …………………………………………………………………………………………………….xiv
Justificación ………………………………………………………………………………………………xiv
Capítulo 1. Estado del Arte.……………………………………………………………………….…….1
1.1 Técnicas ópticas convencionales en la dermatología actual. ..……………………………….…….…1
1.2 Las espectroscopias de reflexión difusa y fluorescencia en la dermatología. .......................2
1.2.1 Reflectancia difusa. …………………………………………………………………………………….3
1.2.2 Espectroscopia óptica de fluorescencia. ………………………………………………………..5
1.2.2.1 Fenómeno de fluorescencia. …………………………………………………………..5
1.2.2.2 Espectros de fluorescencia. ……………………………………………………………6
1.3 Imágenes y color con la fotografía digital. .…..…………………………………………………………….7
1.3.1 Fotografía digital. .………………………….…………………………………………………………..8
1.3.2 Representación de imágenes digitales. .………………………………………………………..9
1.3.3 Colores en el procesamiento de imágenes. …………………………………………………..10
1.3.4 Modelo RGB. …………………………………………………………………………………………….13
1.3.5 Histogramas. …………………………………………………………………………………………….15
1.3.6 Intensidad luminosa en imágenes RGB. ………………………………………………………16
1.4 Objetivos de este trabajo. ……………………….….……………………………………….…………………..16
Referencias. ..………………………………………………………………………………………………………………….17
Capítulo 2. Sistema Desarrollado…………………………………………………………………..18
2.1 Fuente de corriente para LEDs. ……………………………………………………………………………….19
2.1.1 LED Blanco. .…………….………………………………………………………………………………19
2.1.2 LED UV de 365 nm. ..………………………………………………………………………………...19
2.1.3 Diseño de la fuente de corriente. ..…………………………….………………………………..20
2.1.4 Eficiencia de la fuente de corriente. ..…………………………………………………………..22
2.2 Fotografía de tejido biológico. ..……………………………………………………………………………….23
2.2.1 Cámara fotográfica digital. ..……………………………………………………………………….23
2.2.2 Fotografía con luz blanca y UV. …………………………………………………………………..24
2.3 Espectroscopia de tejido biológico. ………………………………………………………………………….24
ix
Referencias. ..…………………………………………………………………………………………………………………26
Capítulo 3. Mediciones. ..……………………………………………………………………………..27
3.1 Análisis de imágenes. ……………………..…………………………………………………………………….…28
3.1.1 Imágenes de lesiones, Cáncer Basocelular. ….……..………………………………………..29
3.1.2 Mediciones en Imágenes de lesiones, Cáncer Basocelular.……….……………………..32
3.1.3 Imágenes de lesiones, Nevo Intradérmico. ..…………………………………………………33
3.1.4 Mediciones en Imágenes de lesiones, Nevo Intradérmico. …………..………………..35
3.1.5 Imágenes de lesiones, Cáncer Espinocelular. ……………………………………………….36
3.1.6 Mediciones en Imágenes de lesiones, Cáncer Espinocelular. …………………………38
3.1.7 Imágenes de lesiones, Melanoma. ………………………………………………………………39
3.1.8 Mediciones en Imágenes de lesiones, Melanoma. ………………………………………..40
3.1.9 Intensidad de lesiones en pacientes con fototipo II. ……………………………………..41
3.1.10 Intensidad de lesiones en pacientes con fototipo III. …………………………………….41 3.1.11 Intensidad de lesiones en pacientes con fototipo IV. …………………………………….42
3.1.12 Discusión relativa a este resultado. ……………………………………………………………..44
a) Propiedades ópticas y génesis de cromóforos en la piel. …………………………….44
b) Efectos de los cromóforos en la coloración de piel normal. ……………………….45
c) Efectos de los cromóforos en lesiones pigmentadas (melanoma, NID y CBC).45
3.1.13 Intensidad de lesiones en pacientes con fototipo V. ………………………………………46
3.2 Espectroscopia de reflectancia difusa y fluorescencia en lesiones. ………………………………46
Referencias. ..…………………………………………………………………………………………………………………52
Capítulo 4. Conclusiones y trabajo a futuro. ….……………………………………………...53
4.1 Conclusiones. ………………………………………………………………………………………………………...53
4.2 Mejoras en fotografías digitales de lesiones en piel. …………………………………………………..55
4.3 Recomendaciones para el trabajo a futuro. ……………………………………………………………….57
Referencias. …………………………………………………………………………………………………………………..58
Apéndices. …………………………………………………………………………………………………59
I. Código fuente del PIC18F2550 para el control de la fuente de luz. ………………………….59
II. Software para el análisis de imágenes digitales. …………………………………………………….61
III. Código fuente del software de análisis de imágenes………………………………………………..67
x
Índice de Figuras
Figura 1.1 Dermoscopio. ………….……………………....……………………………………......................1
Figura 1.2 Biopsia de piel. ………………………………...…………………………………………………….…1
Figura 1.3 Lámpara de Woods. ………………………………………………………………………………….2
Figura 1.4 Microscopio de fluorescencia. ……………………………………………………………………2
Figura 1.5 a) Imagen con luz blanca, b)Imagen con luz UV con lámpara de Woods. ……....2
Figura 1.6 Algunos fenómenos presentes en la interacción de la luz con el tejido biológico.3
Figura 1.7 Diagrama de Jablonski. .………….…………………………………………………………………5
Figura 1.8 Espectros de fluorescencia. ………………………………………………………………….…….7
Figura 1.9 Matriz de sensores en 2D. ..……….……………………………………………………………….8
Figura 1.10 Proceso de adquisición de una imagen digital. ….…………………………………………9
Figura 1.11 Espectro de color visto, pasando luz blanca a través de un prisma......…………..11
Figura 1.12 Longitudes de onda del espectro electromagnético visible. ….………………………11
Figura 1.13 Diagrama de la sección transversal del ojo humano. …………………………………..12
Figura 1.14 Absorción de la luz por el ojo humano. ………………………………………………………13
Figura 1.15 Esquema del cubo de color RGB. ………………………..………………………….………….14
Figura 1.16 Cubo de color RGB de 24 bits. ………………………………………………………………….14
Figura 1.17 Histogramas RGB de una imagen digital. ………………………………………………….15
Figura 2.1 Sistema desarrollado. ……………………………………………………………………………..18
Figura 2.2 LED MOLEX 800 QXRA Series, 180081-22. …………….….…………………………..19
Figura 2.3 LED NC4U133A (T). …………….….……………………………………………………………..19
Figura 2.4 Driver de LEDs RCD-24-1.00/PL/A. …………….….………………………………….…..20
Figura 2.5 Diagrama de la fuente de corriente. …………….….………………………………….…….21
Figura 2.6 Fuente de corriente, alimentando LED UV. …….………………………………….…….22
Figura 2.7 Potencia óptica del LED blanco. …………………….………………………………….…….22
Figura 2.8 Potencia óptica del LED UV. …………………….………………………………….………...23
Figura 2.9 Cámara SONY Cyber-shot DSC-HX200V. …………………….……………………….…24
Figura 2.10 Esquema del arreglo usado para la espectroscopia. ……………………………………25
Figura 3.1 Paciente 6 CBC, izq. Luz blanca, der. Luz UV. …………………………………………….29
Figura 3.2 Paciente 7 CBC, izq. Luz blanca, der. Luz UV. ...………………………………………….29
Figura 3.3 Paciente 9 CBC, izq. Luz blanca, der. Luz UV. …………………………………………….29
Figura 3.4 Paciente 14 CBC, izq. Luz blanca, der. Luz UV. ..…………………………………………29
Figura 3.5 Paciente 22b CBC, izq. Luz blanca, der. Luz UV. ...…………………………………..….30
Figura 3.6 Paciente 34 CBC, izq. Luz blanca, der. Luz UV. ……………………………………….….30
Figura 3.7 Paciente 39 CBC, izq. Luz blanca, der. Luz UV. ...………………………………….…….30
Figura 3.8 Paciente 42 CBC, izq. Luz blanca, der. Luz UV. ...………………………………………..30
Figura 3.9 Paciente 44CBC, izq. Luz blanca, der. Luz UV. ...………………………………….……..30
Figura 3.10 Paciente 44bCBC, izq. Luz blanca, der. Luz UV. ...………………………………….…...31
Figura 3.11 Paciente 46CBC, izq. Luz blanca, der. Luz UV. ...…………………………………….…..31
Figura 3.12 Paciente 46bCBC, izq. Luz blanca, der. Luz UV. ...…………………………………….…31
xi
Figura 3.13 Paciente 47CBC, izq. Luz blanca, der. Luz UV. ..……………………………………….…31
Figura 3.14 Paciente 48CBC, izq. Luz blanca, der. Luz UV. ...………………………………………...31
Figura 3.15 Paciente 15 NID, izq. Luz blanca, der. Luz UV. ……………………………………………33
Figura 3.16 Paciente 29 NID, izq. Luz blanca, der. Luz UV. ………………………………………..….33
Figura 3.17 Paciente 30 NID, izq. Luz blanca, der. Luz UV. ...……………………………………..…33
Figura 3.18 Paciente 30b NID, izq. Luz blanca, der. Luz UV. ...………………………………………33
Figura 3.19 Paciente 31 sup. NID, izq. Luz blanca, der. Luz UV. ...………………………………….34
Figura 3.20 Paciente 31b inf. NID, izq. Luz blanca, der. Luz UV. ..………………………………….34
Figura 3.21 Paciente 36 NID, izq. Luz blanca, der. Luz UV. ……….…………………………………..34
Figura 3.22 Paciente 41 NID, izq. Luz blanca, der. Luz UV. ……….…………………………………..34
Figura 3.23 Paciente 41b NID, izq. Luz blanca, der. Luz UV. ……….………………………………...34
Figura 3.24 Paciente 49 NID, izq. Luz blanca, der. Luz UV. ..……….………………………………...35
Figura 3.25 Paciente 50 NID, izq. Luz blanca, der. Luz UV. ..……….………………………………...35
Figura 3.26 Paciente 8 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………….....36
Figura 3.27 Paciente 10 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………......37
Figura 3.28 Paciente 17 CEC, izq. Luz blanca, der. Luz UV. ...……….……………………………......37
Figura 3.29 Paciente 22 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………......37
Figura 3.30 Paciente 24 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………......37
Figura 3.31 Paciente 32 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………......37
Figura 3.32 Paciente 37 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………......38
Figura 3.33 Paciente 20 MM, izq. Luz blanca, der. Luz UV. ..……….……………………………......39
Figura 3.34 Paciente 25 MM, izq. Luz blanca, der. Luz UV. ..……….……………………………......39
Figura 3.35 Paciente 27 MM, izq. Luz blanca, der. Luz UV. ..……….……………………………......39
Figura 3.36 Paciente 35 MM, izq. Luz blanca, der. Luz UV. ..……….……………………………......39
Figura 3.37 Paciente 38 MM, izq. Luz blanca, der. Luz UV. ..……….……………………………......40
Figura 3.38 Gráficas de rangos de intensidades fototipo III luz blanca. ..............................41
Figura 3.39 Gráficas de rangos de intensidades fototipo III luz UV. ....................................42
Figura 3.40 Gráficas de rangos de intensidades fototipo IV luz blanca. …………….………......43
Figura 3.41 Gráficas de rangos de intensidades fototipo IV luz UV. ………………….………......43
Figura 3.42 Carcinoma Basocelular: espectros de fluorescencia y reflectancia difusa. ........47
Figura 3.43 Carcinoma Espinocelular: espectros de fluorescencia y reflectancia difusa. ....48
Figura 3.44 Nevos Melanocíticos: espectros de fluorescencia y reflectancia difusa. ............49
Figura 3.45 Melanoma Maligno: espectros de fluorescencia y reflectancia difusa. ……….…50
Figura 4.1 Cámara Nikon D5100. ………………………………………………………………………….…56
Figura 4.2 Equipo para tomar fotografías con luz blanca y luz UV. ………………………..……57
Figura AII.1 Panel principal del programa desarrollado. ………………………………………………61
Figura AII.2 Cargar imagen en A, E, I. ……………………………………………………………………..…62
Figura AII.3 Cortar imagen en A. ………………………………………………………..…………………..…62
Figura AII.4 Recortar imagen en A. ………………………………………………………..………………..…63
Figura AII.5 Polígono en Tejido B. ………….……………………………………………..………………..…63
Figura AII.6 Cortar Imagen en Tejido B.………….……………………………………..………………..…64
xii
Figura AII.7 Recortar imagen en B. …..…….……………………………………………..………………..…64
Figura AII.8 Histogramas RGB Tejido A y B. …..…….……………………………………………......…..65
Índice de tablas
Tabla 3.1 Clasificación de Fitzpatrick de los Fototipos de piel y su pigmentación
(concentración de melanina). ………………………………………………..…………………………………………28
Tabla 3.2 Mediciones en imágenes con luz blanca, CBC. ……………………………………………32
Tabla 3.3 Mediciones en imágenes con luz UV de 365 nm, CBC. ………………………………..32
Tabla 3.4 Mediciones en imágenes con luz blanca, NID. ………….………………………………..35
Tabla 3.5 Mediciones en imágenes con luz UV de 365 nm, NID. ………….…………………….36
Tabla 3.6 Mediciones en imágenes con luz blanca, CEC. ………….………………………….…….38
Tabla 3.7 Mediciones en imágenes con luz UV de 365 nm, CEC. ……….………………….……38
Tabla 3.8 Mediciones en imágenes con luz blanca, MM. …………….…….………………….……40
Tabla 3.9 Mediciones en imágenes con luz UV de 365 nm, MM. …………….…….……………40
Tabla 3.10 Mediciones en imágenes, pacientes con fototipo II. ………………..…….……………41
Tabla 3.11 Mediciones en imágenes, pacientes con fototipo III. ..……………..…….……………41
Tabla 3.12 Mediciones en imágenes, pacientes con fototipo IV. ..……………..…….……………42
Tabla 3.13 Mediciones en imágenes, pacientes con fototipo V. ..……………..…….…………….46
xiii
Acrónimos y Abreviaturas
nm Nanómetros
UV Ultravioleta
ERD Espectroscopia de Reflectancia Difusa
hνEX Energía de fotones de excitación
hνEM Energía de fotones emitidos
S0 Estado electrónico fundamental
S1 Estado electrónico excitado singlete
S1’ Estado electrónico excitado singlete relajado
FRET Transferencia de energía por resonancia de fluorescencia
EX Excitación
EM Emisión
µm Micrómetros
ns Nanosegundos
cm Centímetros
W Watts
mW Miliwatts
mA Miliampers
V volt
s Segundos
2D Dos dimensiones
CCD Couple Charge Devices
RGB Red Green Blue
bit Dígito binario
CIE Comisión Internacional de la Iluminación
λ Longitud de Onda
LED Diodo Emisor de Luz
DAC Convertidor Digital - Analógico
PNI Pixel por nivel de intensidad
CBC Cáncer basocelular
CEC Cáncer espinocelular
NID Nevo intradérmico
MM Melanoma
xiv
Objetivo General
Realizar un estudio de anormalidad en piel, a partir del procesamiento de imágenes y
espectroscopias de reflectancia difusa y fluorescencia con luz blanca y ultravioleta de
365nm, que ayude a los médicos a realizar un diagnóstico.
Objetivos Particulares.
• Diseñar y construir una fuente de corriente para alimentar LEDs de luz blanca y
UV de 365nm.
• Fotografiar en conjunto con los médicos, tejido biológico normal y anormal con
luz blanca y luz UV de 365nm, y realizar la espectroscopia del tejido
correspondiente.
• Diseñar los algoritmos para el procesamiento de imágenes con luz blanca y de
fluorescencia.
• Correlacionar el análisis de las imágenes con los espectros de reflectancia difusa
y fluorescencia del tejido y con los diagnósticos médicos.
Justificación
En la detección de una anormalidad en el tejido es necesaria la experiencia visual del
médico especialista para darle atención y seguimiento al paciente, en la mayoría de los
casos los pacientes acuden al médico cuando la enfermedad ya está muy avanzada.
Con esta investigación se busca generar tecnología auxiliar que permita realizar un pre
diagnóstico no invasivo, in-vivo y en tiempo real, para que el médico pueda realizar
una detección temprana de enfermedades malignas de piel.
Actualmente la norma de oro para el diagnóstico de cáncer de piel, y prácticamente
cualquier tipo de cáncer, es la toma de una biopsia y los diferentes estudios ex-vivo que
sobre el tejido resecado se realizan (diferentes tipos de microscopias, cultivos, métodos
histoquímicos, etc.).
Una técnica óptica ampliamente usada para realizar un pre-diagnóstico es la
dermoscopia, que consiste en un sistema de amplificación de la imagen de la zona de la
piel bajo estudio, y que bajo ojos expertos ayuda al diagnóstico del padecimiento.
xv
La captura fotográfica de estas imágenes, hoy en día realizada digitalmente, permite
analizar características de forma y color de lesiones que la experiencia dermatológica
permite una aproximación a su clasificación.
En años recientes se han aplicado tecnologías espectroscópicas como la reflectancia
difusa, la fluorescencia y Raman, a través de fibras ópticas en contacto con la piel para
caracterizar diferentes padecimientos. El desarrollo de espectrómetros miniatura,
fuentes luminosas basadas en LEDs y computadoras portátiles de gran capacidad han
permitido la construcción de equipo portátil para la realización de medici0nes in-vivo.
Uno de los problemas con estas tecnologías es la ubicación apropiada de la punta de
auscultación (extremo de una fibra óptica con diámetros menores a 1 mm y el efecto
que tiene la presión que se aplica en ésta, la cual afecta la forma e intensidad del
espectro capturado.
La disponibilidad actual de cámaras fotográficas digitales de alta resolución y alta
sensibilidad, así como de fuentes de luz blanca y ultravioleta basadas en LEDs dan pie a
una herramienta de no contacto con gran potencial para el estudio de los colores que
los objetos presentan ante diferentes fuentes de iluminación, lo cual representa una
nueva forma de abordar el estudio de la materia de que estos están compuestos. Así, las
cámaras digitales, a través de la descomposición en colores básicos por medio de los
histogramas que generan abren una nueva posibilidad en el estudio de tejido biológico,
y en particular de la piel, que permite hacer evaluaciones cuantitativas, tanto de toda la
lesión como pixel a pixel de ésta, que podrían ayudar al médico en la detección de tejido
maligno. Una comprobación de que el estudio de las imágenes a través del supuesto de
que cada tipo de tejido maligno está compuesto de diferente material biológico y por
tanto su imagen digital es diferente, permitiría la realización de un pre-diagnóstico con
elementos tecnológicos al alcance de cualquier médico para abordar la atención
primaria de pacientes en lugares donde no hay hospitales, equipo especializado o
médicos especialistas habilitados para hacer el diagnóstico requerido.
Con el fin de estudiar esta última posibilidad se desarrolló investigación experimental
bajo el protocolo 06-97-2013 “Características de la espectroscopia y las imágenes con
luz blanca y ultravioleta en pacientes con cáncer de piel melanoma y no melanoma”
en el Hospital Gea-González de octubre de 2013 a abril de 2014. Investigación que
corresponde a un estudio complementario in vivo e in situ de lesiones en piel de
pacientes a través de la fotografía digital de imágenes del tejido iluminado con luz
blanca y luz ultravioleta, y sus correspondientes espectros de reflectancia difusa y
xvi
fluorescencia, antes de la toma de biopsias. El método a utilizar es no invasivo y las
tecnologías usadas en el desarrollo de este protocolo fueron implementadas por
profesores y alumnos de la maestría en ingeniería electrónica de la línea de
investigación en instrumentación fotónica, de la SEPI-ESIME-Zacatenco. La toma de
imágenes y mediciones espectroscópicas se realizó en colaboración con la Dra. Stefanie
Arroyo Camarena, médico residente nivel R4 del departamento de dermatología del
Hospital Gea-González.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 1
Capítulo 1
Estado del Arte
1.1 Técnicas ópticas convencionales en la dermatología actual.
La observación de la piel es un parámetro que puede indicar al médico algún
padecimiento sistémico como anemia, intoxicación, etc.
En alteraciones muy localizadas (manchas, lunares, granos, ulceraciones, etc.) la
revisión a simple vista de éstas por un dermatólogo le puede dar indicios de si se trata
de un padecimiento benigno o maligno. El uso de un dermoscopio (que es un sistema
óptico para ver imágenes amplificadas de lesiones en piel, ver figura 1.1), le permite
observar características de forma y color en lesiones que le podrían indicar si es una
anomalía o no. Todo esto basado en la enorme experiencia que la medicina clínica ha
acumulado en su devenir histórico. El diagnóstico final, o estándar de oro, es
establecido cuando se toma una biopsia (ver figura 1.2) de la lesión bajo sospecha para
su preparación y posterior estudio histopatológico. [1.1]
Figura 1.1, Dermoscopio. Figura 1.2, Biopsia de piel.
Tanto la dermoscopia como la histopatología se apoyan en instrumentos ópticos que
permiten observar a diferentes escalas imágenes de los tejidos enfermos y aquellos
sanos para su comparación. El diagnóstico histopatológico final es establecido por un
médico especialista, basado en su experiencia, lo cual introduce cierto grado de
subjetividad [1.2]. Con el desarrollo tecnológico actual se han implementado
dermoscopios digitales, capaces de analizar color y formas de las lesiones a través de
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 2
software desarrollado en base a la experiencia médica para generar mejores pre-
diagnósticos [1.3].
La observación del tejido humano, tanto en biopsia como in-vivo, no solo se realiza
iluminándole con luz visible (blanca o con un color específico, p. ej. verde en
colposcopia) sino también con otros tipos de luz como la ultra-violeta (UV) (por
ejemplo la lámpara de Woods o los microscopios de fluorescencia, ver figuras 1.3 y 1.4),
con los cuales se pueden observar características del tejido que con luz blanca no
pueden ser apreciadas, ver figura 1.5. [1.3]
Figura 1.3. Lámpara de Woods. Figura 1.4. Microscopio de fluorescencia.
a) b)
Figura 1.5, a) Imagen con luz blanca. b) Imagen con luz UV con lámpara de Woods.
1.2. Las espectroscopias de reflexión difusa y fluorescencia en la
dermatología.
Desde los últimos 20 años del siglo pasado a la fecha se han realizado grandes esfuerzos
para no solo observar la imagen de los tejidos bajo determinadas iluminaciones, sino
para caracterizar la luz que emerge del tejido iluminado en base a los fenómenos de
interacción luz-materia que ocurren dentro de este. Así, cuando se ilumina con luz
blanca en un punto de la superficie del tejido se estudia por donde viajan los fotones
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 3
que le componen dentro del tejido, cuantos se absorben y por donde y cuantos
emergen. Lo cual se enmarca dentro de la espectroscopia óptica de reflectancia difusa.
1.2.1. Reflectancia difusa.
La ERD (espectroscopia de reflectancia difusa) es una técnica con la cual se puede
estudiar tejido biológico. En el campo de las aplicaciones biomédicas resulta útil para
propósitos de diagnóstico, ya que se pueden estudiar tejidos de manera no invasiva,
también ha demostrado ser una técnica de gran utilidad en aplicaciones de diagnóstico
en varias situaciones modernas, entre ellas figuran la detección de nevos, diagnóstico
de patologías del hígado, diagnóstico de ictericia neonatal, estudio de moretones o
magulladuras para aplicaciones forenses, medición de pigmentos endógenos y cutáneos
(melanina, hemoglobina y bilirrubina), calibración de equipo de fluorescencia, entre
muchas otras. [1.4]
Para llevar a cabo una medición con ERD se requiere hacer incidir la luz de una fuente,
cuyo espectro de emisión sea conocido, sobre el tejido que se quiere estudiar. La luz
incidente, se encontrará con una interfaz o frontera formada por los desempates de los
índices de refracción del tejido y del medio por donde incide la luz (el cual
normalmente puede ser aire o cuarzo), por lo que se tendrá reflexión especular y
refracción. La luz que es reflejada especularmente es indeseada y por lo tanto no
capturada en las mediciones de reflectancia difusa, ya que los fotones que fueron
especularmente reflejados no han interactuado con el tejido y por esto no contienen
información útil. En cambio la luz que logra propagarse en el tejido y que es re-emitida
por éste hacia la superficie irradiada (ver figura 1.6), será capturada por algún
dispositivo fotosensible, para posteriormente ser comparada con la luz incidente o
espectro de referencia, y así poder determinar qué tanto cambió dicho espectro después
de haber interactuado con el tejido. Con esto es posible evaluar la condición estructural
del tejido, pues la luz que es elásticamente esparcida en el tejido biológico depende de
la estructura de éste. [1.4]
Figura 1.6, Algunos fenómenos presentes en la interacción de la luz con el tejido biológico.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 4
Para obtener el espectro de referencia se hace incidir la luz de la fuente sobre un
material que tenga una alta reflectividad (que idealmente sea del 100%), para todas las
longitudes de onda que componen la luz de la fuente y posteriormente capturar la luz
que es reflejada por dicho material. Los materiales con alta reflectividad y que son
utilizados para obtener espectros de referencia son llamados estándares de reflectancia.
El mejor material para un estándar de reflectancia para las mediciones de reflectancia
difusa con luz es el Spectralon, ya que dicho material tiene una alta reflectividad (98%)
en la región del espectro electromagnético comprendido entre el ultravioleta, visible e
infrarrojo cercano. [1.4]
El espectro de luz que es re-emitido desde el tejido y que es capturado por el sistema,
siempre se verá afectado por el ruido eléctrico y la luz presente en el lugar donde se
lleve a cabo la medición, pues la luz re-emitida que es capturada puede ser
"contaminada" por la luz de fondo, además de que el dispositivo fotosensible o sensor
con el cual se capturan o cuentan los fotones, está hecho con elementos
semiconductores, los cuales por efecto de la temperatura, pueden sufrir ionización
térmica, produciéndose un flujo de electrones que el sistema interpretará como la
incidencia de un fotón. Aunque la ionización térmica y la luz de fondo sean de carácter
aleatorio, su influencia provoca un offset en las mediciones realizadas, por lo que es
necesario medir el espectro de fondo u obscuro����, es decir, capturar el espectro
obtenido por el sistema en ausencia de la fuente de luz y restárselo al espectro de
referencia y a cada medición realizada. Por lo que la reflectancia difusa puede ser
expresada matemáticamente con la ecuación 1.1 [1.4]
���� = ���� − ��������� − ����� �1.1�
Si se ilumina, también en forma puntual con luz UV, además de los procesos
considerados en la espectroscopia de reflectancia difusa, se estudian los procesos de
generación y propagación de la luz fluorescente de amplio espectro, producidos por la
interacción luz ultravioleta-tejido. Esto se enmarca dentro de la espectroscopia óptica
de fluorescencia.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 5
1.2.2. Espectroscopia óptica de fluorescencia.
1.2.2.1. Fenómeno de fluorescencia.
La fluorescencia es el resultado de un proceso de tres etapas que se produce en ciertas
moléculas (generalmente hidrocarburos poliaromáticos o heterociclos) llamados
fluoróforos o colorantes fluorescentes. Una sonda fluorescente es un fluoróforo
diseñado para responder a un estímulo específico o para localizar una región específica
de un espécimen biológico. El proceso responsable de la fluorescencia de sondas
fluorescentes y otros fluoróforos se ilustra por el diagrama electrónico de estado
sencillo (Diagrama de Jablonski, ver figura 1.7). En éste se ilustran los procesos
implicados en la creación de un estado electrónico excitado singlete por absorción
óptica y la posterior emisión de fluorescencia. Las etapas etiquetadas son: 1. Excitación,
2. Estado excitado de tiempo finito, y 3. La emisión de fluorescencia [1.5, 1.6, 1.7, 1.8,
1.9, 1.10].
Figura 1.7, Diagrama de Jablonski.
Etapa 1: Excitación.
Un fotón de energía hνEX es suministrado por una fuente externa (tal como una
lámpara incandescente, un láser o un LED) y es absorbido por el fluoróforo, creando un
estado electrónico excitado singlete (S1’).
Etapa 2: Estado excitado de tiempo finito.
Existe el estado excitado durante tiempo finito (típicamente 1-10 nanosegundos).
Durante este tiempo, el fluoróforo sufre cambios conformacionales y está también
sujeto a una multitud de posibles interacciones con su entorno molecular.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 6
Estos procesos tienen dos consecuencias importantes. En primer lugar, la energía de S1’
es parcialmente disipada, produciendo un estado excitado singlete relajado (S1) desde el
que se origina la emisión de fluorescencia. En segundo lugar, no todas las moléculas
inicialmente excitadas por absorción (Etapa 1) regresan al estado fundamental (S0) por
la emisión de fluorescencia. Otros procesos tales como la desactivación por colisiones,
la transferencia de energía por resonancia de fluorescencia (FRET) y el cruce entre
sistemas también pueden despoblar S1. El rendimiento cuántico de fluorescencia, que
es la relación del número de fotones de fluorescencia emitidos (Etapa 3) por el número
de fotones absorbidos (Etapa 1), es una medida de la extensión relativa a la que ocurren
estos procesos.
Etapa 3: La emisión de fluorescencia.
Un fotón de energía hνEM se emite, volviendo el fluoróforo a su estado fundamental S0.
Debido a la disipación de energía durante el tiempo de vida del estado excitado, la
energía de este fotón es menor, y por lo tanto de mayor longitud de onda, de la
excitación de fotones hνEX. La diferencia en la energía o longitud de onda representada
por (hνEX - hνEM) se denomina desplazamiento de Stokes. El desplazamiento de Stokes
es fundamental para la sensibilidad de las técnicas de fluorescencia, ya que permite
detectar fotones de emisión contra un fondo bajo, aislado a partir de los fotones de
excitación. En contraste, la espectrofotometría de absorción requiere la medición de la
luz transmitida con respecto a los altos niveles de luz incidente en la misma longitud de
onda.
1.2.2.2. Espectros de fluorescencia.
Todo el proceso de fluorescencia es cíclico. A menos que el fluoróforo sea destruido
irreversiblemente en el estado excitado, el mismo fluoróforo puede ser excitado y
detectado varias veces. El hecho de que un solo fluoróforo puede generar muchos miles
de fotones detectables, es fundamental para la alta sensibilidad de las técnicas de
detección de fluorescencia.
Para las moléculas poliatómicas, las transiciones electrónicas discretas representadas
por hνEX y hνEM (ver figura 1.7) se manifiestan en amplios espectros de energía llamados
espectro de excitación de fluorescencia y espectro de emisión de fluorescencia,
respectivamente. Las anchuras de banda de estos espectros son parámetros de
particular importancia para aplicaciones en las que se detectan simultáneamente dos o
más fluoróforos diferentes. En las mismas condiciones, el espectro de emisión de
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 7
fluorescencia es independiente de la longitud de onda de excitación, debido a la
disipación parcial de la energía de excitación durante el tiempo de vida del estado
excitado. La intensidad de emisión es proporcional a la amplitud del espectro de
excitación (ver figura 1.8). La excitación de un fluoróforo en tres longitudes de onda
diferentes (EX 1, EX 2, EX 3) no cambia el perfil de emisión, pero producen variaciones
en la intensidad de emisión de fluorescencia (EM 1, EM 2, EM 3) que corresponden a la
amplitud del espectro de excitación [1.8, 1.9, 1.10, 1.11].
Figura 1.8, Espectros de fluorescencia.
En las técnicas espectroscópicas antes mencionadas, el instrumento esencial para
caracterizar la luz que emerge del tejido es un espectrómetro, con el cual se obtiene la
distribución espectral de la luz involucrada. La aplicación y recolección de la luz se
realiza a través de fibras ópticas (200 a 400 µm de diámetro) en contacto con la
superficie del tejido.
Con ambas técnicas espectroscópicas se determina la diferencia espectral de la
reflectancia difusa y la fluorescencia entre tejidos sanos y enfermos lo cual ha
significado una herramienta que permite su diferenciación, de particular interés ha
resultado el estudio de lesiones cancerígenas. En particular, la reflectancia difusa da
cuenta de la estructura del tejido y la fluorescencia de su composición.
1.3. Imágenes y color con la fotografía digital.
Las cámaras digitales permiten la captura de imágenes de color que pueden ser
almacenadas en computadoras para su posterior o inmediato procesamiento. Esto ha
hecho posible la dermoscopia digital, la cual basa sus criterios de diagnóstico en la
dermoscopia convencional practicada por el dermatólogo al observar una lesión con su
dermoscopio manual.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 8
1.3.1. Fotografía digital.
En la siguiente figura 1.9 se muestran sensores individuales dispuestos en forma de una
matriz 2D. Esta es la disposición predominante que se encuentra en las cámaras
digitales. [1.12]
Figura 1.9, Matriz de sensores en 2D.
Un sensor típico para estas cámaras es una matriz CCD (Charge-Coupled Devices), que
puede ser fabricado con una amplia gama de propiedades de detección y se pueden
empaquetar en matrices de 4000 x 4000 elementos o más. Los sensores CCD se
utilizan ampliamente en cámaras digitales y otros instrumentos de detección de luz. La
respuesta de cada sensor es proporcional a la integral de la energía de la luz proyectada
sobre la superficie del sensor, una propiedad que se utiliza en aplicaciones
astronómicas y otras que requieren imágenes de bajo ruido. Debido a que la matriz de
sensores en la figura es de dos dimensiones, su ventaja clave es que una imagen
completa se puede conseguir a través de enfocar el patrón de energía sobre la superficie
de la matriz.
La manera principal en que se utiliza la matriz de sensores en el proceso de adquisición
de una imagen digital (ver figura 1.10) es la siguiente. La primera función realizada por
el sistema de formación de imágenes en la figura(c) es recoger la energía entrante y
enfocarla en un plano de imagen. Si la iluminación es la luz, el extremo delantero del
sistema de formación de imágenes es una lente óptica que proyecta la escena vista en el
plano focal de la lente, como la figura (d) muestra. La matriz de sensores, que es
coincidente con el plano focal, produce salidas proporcionales a la luz recibida en cada
sensor. Circuitería digital y analógica barren estas salidas y las convierten en una señal
analógica, que luego es digitalizada por otra sección del sistema de formación de
imágenes. La salida es una imagen digital, como se muestra esquemáticamente en la
figura (e).
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 9
Figura 1.10. Proceso de adquisición de una imagen digital.
1.3.2. Representación de imágenes digitales.
Se utilizan matrices numéricas para el procesamiento y el algoritmo de desarrollo. En
forma de ecuación, se escribe la representación de una M x N matriz numérica como:
���, �� = � ��0,0���0,1�⋯ ��0, � 1���1,0���1,1�… ��1, � 1�⋮⋮⋮��� 1,0���� 1,1�… ��� 1,� 1�� �1.2�
Ambos lados de esta ecuación son formas equivalentes de expresar una imagen digital
cuantitativamente. El lado derecho es una matriz de números reales. Cada elemento de
esta matriz se llama un elemento de imagen, pixel, o pel [1.12].
Este proceso de digitalización requiere que se tomen decisiones con respecto a los
valores de M, N, y para el número L, de niveles de intensidad discretos, tienen que ser
enteros positivos. Sin embargo, debido a consideraciones de almacenamiento y de
cuantificación de hardware, el número de niveles de intensidad típicamente es una
potencia entera de 2:
L = 2k . . . (1.3)
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 10
Suponemos que los niveles discretos están igualmente espaciados y que son números
enteros en el intervalo (0, L – 1). A veces, el rango de valores abarcado por la escala de
grises se conoce como el rango dinámico. Aquí, definimos el rango dinámico de un
sistema de formación de imágenes a ser la relación de la intensidad máxima medible al
nivel de intensidad mínima detectable en el sistema. Básicamente, el rango dinámico
establece los niveles mínimos y máximos de intensidad que un sistema puede
representar y, en consecuencia, que una imagen puede tener. En estrecha relación con
este concepto es el contraste de imagen, que se define como la diferencia de intensidad
entre los niveles más altos y más bajos de intensidad en una imagen. [1.12]
Basándose en consideraciones de hardware y por las capacidades de la percepción
humana, el número de niveles de intensidad más común es de 8 bits, es decir, 28 que
resulta en 256 niveles de intensidad (intervalo de 0 a 255).
1.3.3. Colores en el procesamiento de imágenes.
El uso del color en el procesamiento de imágenes está motivado en dos factores
principales. El primero es que el color es un descriptor poderoso que simplifica la
identificación y extracción de un objeto en una escena. El segundo es que el ojo humano
puede discernir miles de colores e intensidades, comparado con sólo dos docenas de
intensidades de gris [1.12].
Aunque el proceso seguido por el cerebro humano para percibir e interpretar el color es
un fenómeno fisiológico que no se entiende completamente, la naturaleza física del
color puede ser expresada de manera formal con el apoyo de los resultados
experimentales y teóricos.
En 1666, Sir Isaac Newton descubrió que cuando un rayo de luz del sol pasa a través de
un prisma de cristal, el haz emergente de la luz no es blanca, sino que consiste en un
espectro continuo de colores que van desde el violeta por un extremo al rojo en el otro
(ver figura 1.11).
El espectro de color, se puede dividir en seis regiones, violeta, azul, verde, amarillo,
naranja y rojo. Cuando se ve a todo color, ningún color en el espectro termina
abruptamente, sino que cada color se mezcla suavemente con el siguiente.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 11
Figura 1.11, Espectro de color visto, pasando luz blanca a través de un prisma.
Básicamente, los colores que los humanos y algunos animales perciben en un objeto
son determinados por la naturaleza de la luz reflejada desde el objeto. La luz visible se
compone de una banda estrecha de frecuencias en el espectro electromagnético, ver
figura 1.12. Un cuerpo que refleja luz de la misma intensidad en todas las longitudes de
onda visibles aparece en color blanco para el observador. Sin embargo, un cuerpo que
favorece la reflectancia en una gama limitada del espectro visible exhibe algunos tonos
de color.
Figura 1.12, Longitudes de onda del espectro electromagnético visible.
La caracterización de la luz es fundamental para la visualización del color. Si la luz es
acromática (vacío de color), su único atributo es su intensidad o cantidad. La luz
acromática es lo que los espectadores ven en un televisor en blanco y negro.
La luz cromática abarca el espectro electromagnético de aproximadamente 400nm a
700nm. Tres cantidades básicas se utilizan para describir la calidad de una fuente de
luz cromática: radiancia, luminancia y brillo.
Radiancia, es la cantidad total de energía que fluye de la fuente de luz, y se mide en
watts (W).
Luminancia, medida en lúmenes (lm), da una medida de la cantidad de energía que
un observador percibe de una fuente luminosa.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 12
Brillo, es un descriptor subjetivo que es prácticamente imposible de medir. Encarna la
noción acromática de intensidad y es uno de los factores clave para describir la
sensación de color.
La membrana más interna del ojo es la retina, que recubre el interior de toda la parte
posterior de la pared del globo ocular (ver figura 1.13). Cuando el ojo está enfocado
adecuadamente, la luz de un objeto forma la imagen en la retina. El patrón de visión
está proporcionado por la distribución de receptores de luz discreta sobre la superficie
de la retina. Hay dos clases de receptores: conos y bastones. Los conos en cada ojo son
entre 6 y 7 millones. Se encuentran principalmente en la porción central de la retina,
llamada la fóvea, y son altamente sensibles al color. Los seres humanos pueden resolver
detalles finos con estos conos en gran parte debido a que cada uno está conectado a su
propio extremo de nervio [1.12].
Figura 1.13, Diagrama de la sección transversal del ojo humano.
Los conos son los sensores del ojo responsables de la visión del color. Evidencia
experimental detallada ha establecido que los 6 a 7 millones de conos en el ojo humano
se pueden dividir en tres categorías principales de detección, que corresponde
aproximadamente a rojo, verde y azul. Aproximadamente 65% de los conos son
sensibles a la luz roja, 33% son sensibles a la luz verde, y sólo 2% son sensibles al azul.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 13
A continuación se muestran (ver figura 1.14) las curvas experimentales promedio que
detallan la absorción de la luz por los conos rojos, verdes y azules en el ojo humano en
función de la longitud de onda.
Figura 1.14, Absorción de la luz por el ojo humano.
Debido a estas características de absorción del ojo humano, los colores son vistos como
combinaciones variables de los llamados colores primarios rojo (R), verde (G), y azul
(B). Con el propósito de normalización, la CIE (Comisión Internacional de la
Iluminación), designó en 1931 los siguientes valores de longitud de onda específica para
los tres colores primarios: azul = 445 nm, verde = 535 nm, y rojo = 575 nm. Las normas
de la CIE corresponden sólo aproximadamente con los datos experimentales. [1.12]
1.3.4. Modelo RGB.
El modelo RGB está orientado a hardware, es muy utilizado en la práctica para
monitores en color y una amplia clase de cámaras a color de vídeo y fotografía. En el
modelo RGB, cada color aparece en sus componentes espectrales primarios de rojo,
verde, y azul. Este modelo se basa en un sistema de coordenadas cartesianas. El
subespacio de color de interés es el cubo mostrado en la figura 1.15, en la que los
valores primarios RGB están en tres esquinas, los colores secundarios: cian, magenta y
amarillo están en otras tres esquinas; el negro está en el origen, y blanco está en la
esquina más alejada del origen.
En este modelo, la escala de grises (puntos de igual valor RGB) se extiende desde el
negro al blanco a lo largo de la línea que une estos dos puntos.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 14
Los diferentes colores en este modelo son puntos sobre o dentro del cubo, y se definen
por los vectores que se extienden desde el origen. Por conveniencia, la suposición es
que todos los valores de color se han normalizado, es decir, todos los valores de R, G y B
están en el intervalo (0,1) [1.12].
Figura 1.15, Esquema del cubo de color RGB. Figura 1.16, Cubo de color RGB de 24 bits.
Las imágenes representadas en el modelo de color RGB consisten de tres componentes
de imagen, uno para cada color primario. Cuando se alimenta un monitor RGB, estas
tres imágenes se combinan en la pantalla para producir una imagen de color
compuesto. El número de bits utilizados para representar cada píxel en el espacio RGB
se denomina profundidad de pixel.
En una imagen RGB cada componente de color rojo, verde y azul, es un componente de
8 bits. En estas condiciones, se dice que cada píxel de color RGB tiene una profundidad
de 24 bits (ver figura 1.16). El número total de colores de una imagen RGB de 24 bits es
de (28)3=16,777,216.
Las cámaras digitales actuales, con su alta resolución, hardware y software integrado,
permiten la observación casi puntual del tejido biológico (dependiendo del número de
pixeles y dimensiones del detector de imagen) así como la composición de la luz en los
colores básicos RGB (Rojo, Verde y Azul) y las intensidades luminosas que de estos
puntos emanan a través de histogramas.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 15
1.3.5. Histogramas.
Un histograma es un gráfico que muestra la intensidad completa a lo largo del eje
horizontal y una indicación de la cantidad de píxeles en ese punto de la intensidad por
la altura de la gráfica. La intensidad del pixel de una imagen digital de 24 bits de color
RGB se expresa como un número entre 0 y 255, si los tres canales tienen el mismo
número, el comportamiento sería el siguiente: 0 es igual a negro, 255 es igual a blanco,
y aproximadamente 127 sería el equivalente a gris medio [1.13]. Los histogramas de
imágenes digitales se presentan como un gráfico de barras con el eje horizontal como
nivel de intensidad (0-255). El lado izquierdo de la gráfica es 0 (cero) y el lado derecho
de la gráfica es 255. El eje vertical es el número de píxeles en cada uno de los 256
valores (ver figura1.17).
Todos los diferentes colores y matices de colores en colores RGB se derivan de
diferentes combinaciones de rojo, verde y azul. El color de cada píxel en una imagen
digital RGB se determina por el valor de la intensidad (0-255) asignado a cada canal de
color ROJO, VERDE y AZUL para cada píxel. En otras palabras, cada píxel tiene un
valor de intensidad numérico asignado a cada uno de los tres canales de color R, G y B.
(a)
(b)
(i)
(c)
Figura 1.17, Histogramas RGB de una imagen digital, (i) Imagen digital, (a) Histograma rojo de (i),
(b) Histograma verde de (i), (c) Histograma azul de (i)
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 16
1.3.6. Intensidad luminosa en imágenes RGB.
Para el análisis de las imágenes de cada paciente se utilizó software programado en
MATLAB, el cual permite cortar el área de la lesión y la compara con tejido sano de la
misma imagen. Ya con los cortes, el siguiente paso es obtener los histogramas en los
canales RGB individualmente, después se calcula la intensidad de cada color RGB para
cada área cortada multiplicando el número de pixeles por el nivel de intensidad (0-255)
y se suman para tener la intensidad total [1.14]. Con la ecuación (1.3) se obtiene la
intensidad total, donde PR es el histograma en el canal rojo, PG es el histograma en el
canal verde, PB es el histograma en el canal azul, y según el nivel de intensidad en i
tenemos la cantidad de pixeles.
������� ! = " #���� ∙ �%&'((%&) + " #+��� ∙ �%&'((
%&) + " #,��� ∙ �%&'((%&) �1.4�
Ya con la suma podemos saber el porcentaje de rojo, verde y azul que tiene el área
cortada para la lesión y para la piel sana. Por último se compara la intensidad total del
tejido sano con la intensidad total de la lesión, tomando como referencia el tejido sano,
tenemos como resultado un porcentaje.
./01!2!3�ó� = 56������� ! 789%ó:������� ! 9;: < ∙ 100= − 100(1.5)
Las cámaras digitales generan tanto las imágenes que genera la dermoscopia como
información espectroscópica de la reflexión difusa (cuando se ilumina con luz blanca), y
de fluorescencia (cuando se ilumina con luz UV). Igualmente genera imágenes visibles
para cualquier fuente de iluminación que se pretenda usar y que permita una mejor
apreciación de lesiones (por ejemplo, iluminando con luz violeta se resalta la
vascularización de las lesiones, por la absorción de la sangre en la banda de Soret).
1.4. Objetivos de este trabajo.
Investigar la histografía proporcionada por la fotografía digital con luz blanca y luz
ultravioleta con el fin de determinar sus posibilidades para el diagnóstico de
enfermedades dermatológicas. Comparar sus características y resultados con las de las
espectroscopias de reflexión difusa y fluorescencia.
Capítulo 1. Estado del arte
M. en C. en Ingeniería Electrónica 17
Referencias
[1.1] Finn Geneser (2000), Histology, Tercera Edición, Editorial Medica Panamericana.
[1.2] Ignazio Stanganelli, MD (2014), Dermoscopy, Medscape, May 5 2014 .
[1.3] Laura K. Ferris and Ryan J. Harris, (2012),New Diagnostic Aides for Melanoma,
National Institute of Health, Dermatol Clin. 2012 July ; 30(3): 535–545.
[1.4] Alejandro De la Cadena (2012), Tesis, Estudio de la Reflexión Óptica Difusa en
Tejido Biológico. SEPI, ESIME ZAC, IPN.
[1.5] Albani, J.R. (2007), Principles and Applications of Fluorescence Spectroscopy,
Wiley-Blackwell.
[1.6] Valeur, B. (2002), Molecular Fluorescence: Principles and Applications, John
Wiley and Sons.
[1.7] Goldys, E.M., Ed., Fluorescence Applications in Biotechnology and Life Sciences,
Wiley-Blackwell (2009).
[1.8] Guilbault, G.G. (1990), Ed., Practical Fluorescence, Second Edition, Marcel Dekker.
[1.9] Joo, C., Balci, H., Ishitsuka, Y., Buranachai, C. and Ha, T. (2008), “Advances in
single-molecule fluorescence methods for molecular biology,” Annu Rev Biochem
77:51–76.
[1.10] http://www.lifetechnologies.com/mx/es/home/references/molecular-probes-the-
handbook/introduction-to-fluorescence-techniques.html
[1.11] Brand, L. and Johnson, M.L., Eds. (2008), Fluorescence Spectroscopy (Methods in
Enzymology, Volume 450), Academic Press.
[1.12] Rafael C. Gonzalez, (2008). Digital Image Processing, Third Edition, Pearson
Prentice Hall.
[1.13] Steve Hoffmann,(2006).A practical guide to interpreting RGB histograms.
http://www.sphoto.com/techinfo/histograms/histograms.htm
[1.14] Burger, Wilhelm, Burge, Mark J. (2008). Digital Image Processing, An Algorithmic
Introduction Using Java, XX.
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 18
Capítulo 2
Sistema Desarrollado
El sistema desarrollado para este trabajo de investigación está basado en el estudio in
vivo, no invasivo de tejido biológico (piel).El sistema es portátil abriendo la posibilidad
de realizar el estudio en cualquier lugar.
Mediante fotografías digitales con luz blanca del tejido normal y anormal, se busca
analizar a detalle los niveles de intensidad RGB para cada pixel, encontrando
diferencias características, ya que este proceso comienza con la observación a ojo
desnudo de un especialista médico y basándose en su experiencia, puede hacer un pre-
diagnóstico [2.1]. Las fotografías digitales con luz UV de 365 nm se utilizan para
encontrar fluorescencia, este fenómeno resalta diferencias en la composición del tejido
que sólo ocurren con dicha luz [2.2].
Las fotografías digitales se analizan mediante un software desarrollado en MATLAB, se
obtiene la información de los pixeles a través de histogramas RGB, utilizando la
intensidad por número de pixel de cada canal se obtiene el porcentaje de rojo, verde y
azul, para cada imagen a analizar (ver Anexo II).
En la figura 2.1 se muestra el diagrama del sistema desarrollado.
Figura 2.1, Sistema desarrollado, (a) Fuente de corriente para LEDs blanco y UV de 365 nm,
(b) Fotografía digital de tejido biológico, (c) Análisis de imagen digital
Los resultados del análisis de los histogramas se comparan con la espectroscopia del
mismo tejido biológico de donde se obtuvo la fotografía digital y con el resultado de la
biopsia realizada por los médicos tratantes.
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 19
2.1 Fuente de corriente para LEDs.
2.1.1 LED Blanco.
Para lograr las fotografías digitales con luz blanca se utilizó un diodo emisor de luz
blanca MOLEX 800 QXRA Series, 180081-22. El LED consume una corriente máxima
de polarización de 1.05 A, con la cual se obtiene una potencia de radiación máxima de
1.63 W [2.3]. En la figura 2.2 se muestra el LED blanco.
Figura 2.2, LED MOLEX 800 QXRA Series, 180081-22
2.1.2 LED UV de 365 nm.
Para lograr las fotografías digitales con luz UV se utilizó un diodo emisor de luz UV
NC4U133A (T) de la firma Nichia Corp., el cual tiene una emisión máxima en 365 nm
con un ancho de 9 nm FWHM (Full Width Half Maximum). El LED consume una
corriente máxima de polarización de 700 mA, con la cual se obtiene una potencia de
radiación máxima de 1W [2.4]. En la figura 2.3 se muestra el LED UV.
Figura 2.3, LED NC4U133A (T)
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 20
2.1.3 Diseño de la fuente de corriente.
Como fuente de alimentación se utilizó un Driver de LEDs RCD-24-1.00/PL/A (fuente
de corriente regulada por voltaje), de la firma RECOM el cual provee desde 0 a 1000
mA, regulado por un voltaje de 0 a 4.2V [2.5]. En la figura 2.4 se muestra la regulación
de la corriente y el Driver de LEDs.
(a) (b)
Figura 2.4, Driver de LEDs RCD-24-1.00/PL/A, (a) Corriente regulada por voltaje,
(b) Aspecto físico del Driver de LEDs RCD-24-1.00/PL/A
Para regular el voltaje en el Driver de LEDs se utilizó un DAC de 12 bits(convertidor
digital-analógico) LTC1257CN8, de la firma LINEAR TECHNOLOGY [2.6], el cual
regula 5V en el voltaje de referencia divididos en 4095 pasos (212 – 1 = 4095). Se utilizó
un microcontrolador PIC18f2550, de la firma MICROCHIP [2.7], a través del cual se le
proporciona el número de paso deseado al DAC para que provea el voltaje de regulación
al Driver de LEDs y este a su vez provea la corriente deseada para alimentar el LED en
uso.
En el diseño de la fuente de corriente se utilizó un regulador de voltaje MC7805CT de la
firma MOTOROLA [2.8] para proveer de 5V al PIC18f2550, al LCD LM016Lde la firma
Hitachi Semiconductor [2.9], y al voltaje de referencia del DAC. También se utilizó un
regulador de voltaje LM7812AC de la firma Fairchild Semiconductor para proveer de
12V al VCC del DAC [2.10].
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 21
En la figura 2.5 se muestra el diagrama completo de la fuente de corriente.
Figura 2.5, Diagrama de la fuente de corriente.
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 22
0.1W ± 0.76%
0.2W ± 0.45%
0.3W ± 0.57%
0.4W ± 0.33%
0.5W ± 0.3%
0.6W ± 0.39%
0.7W ± 0.27%
0.8W ± 0.48%
0.9W ± 0.22%
1W ± 0.6%
1.1W ± 0.45%
1.2W ± 0.55%
1.3W ± 0.58%
1.4W ± 0.35%
1.5W ± 0.32%
1.6W ± 0.4%
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
0.00 0.20 0.40 0.60 0.80 1.00 1.20
Po
ten
cia
óp
tica
(W
)
Corriente (A)
La fuente de corriente se muestra físicamente en la figura 2.6.
Figura 2.6, Fuente de corriente, alimentando LED UV.
2.1.4 Eficiencia de la fuente de corriente.
Para estimar la eficiencia de la fuente de corriente se midieron 10 veces en cada uno de
los pasos seleccionados a lo largo del rango de operación del DAC (12 bits), el voltaje a
la salida del DAC, la corriente a la salida del Driver de LEDs, potencia óptica del LED
blanco y potencia óptica del LED UV de 365nm. Con estas mediciones se hicieron los
cálculos de Valor Promedio, Incertidumbre, Desviación Estándar, y Error Relativo. El
resultado de la potencia óptica del LED blanco con el error relativo, se muestra en la
figura 2.7
Figura 2.7, Potencia óptica del LED Blanco.
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 23
0.05W ± 0.3%
0.1W ± 0.4%
0.15W ± 0.6%
0.2W ± 0.5%
0.25W ± 0.4%
0.3W ± 0.4%
0.35W ± 0.6%
0.4W ± 0.6%
0.45W ± 0.5%
0.5W ± 0.4%
0.55W ± 0.5%
0.6W ± 0.5%
0.65W ± 0.4%
0.7W ± 0.3%
0.75W ± 0.4%
0.8W ± 0.6%
0.85W ± 0.6%
0.9W ± 0.5%
0.95W ± 0.5%
1W ± 0.1%
0
0.2
0.4
0.6
0.8
1
1.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
Po
ten
cia
óp
tica
(W
)
Corriente (A)
El resultado de la potencia óptica del LED UV con el error relativo, se muestra en la
figura 2.8
Figura 2.8, Potencia óptica del LED UV.
El tiempo de uso de cada LED Blanco y UV para tomar fotografías de tejido biológico,
es aproximadamente de 60 s, así que la fuente no se utiliza por tiempos prolongados
para la realización del estudio en cuestión.
2.2 Fotografía de tejido biológico.
2.2.1 Cámara fotográfica digital.
La cámara fotográfica digital empleada es la Cyber-shot DSC-HX200V Sony, cuenta
con un sensor CMOS Exmor R, 18.2 millones de píxeles reales en cada fotografía, se
almacenan las imágenes en memoria SD, la velocidad de disparo en segundos es de
iAuto (4"-1/4000), la sensibilidad ISO es de 1600 – 3200, las dimensiones (ancho x
altura x profundidad) son 121.6mm x 86.6mm x 93.3 mm, peso aproximado de 531 g,
batería recargable de Lithium N, zoom óptico de 30x [2.11].
En la figura 2.9 se muestra físicamente la cámara Cyber-shot DSC-HX200V Sony.
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 24
Figura 2.9, Cámara SONY Cyber-shot DSC-HX200V.
2.2.2 Fotografía con luz blanca y con luz UV.
El lugar donde se hará uso del sistema desarrollado debe estar acondicionado de tal
forma que se pueda obscurecer y que sólo la luz del LED en uso (blanco o UV)
predomine en el tejido biológico a analizar.
Para realizar el estudio en cuestión, se debe lograr una fotografía digital del tejido
biológico de interés utilizando luz blanca y una fotografía digital del mismo tejido pero
ahora utilizando luz UV. Esto es para realizar un análisis de la misma área con diferente
tipo de luz y se puedan observar las diferencias características.
La fotografía del tejido biológico con luz blanca o luz UV que se logre para el análisis,
debe incluir el área de tejido anormal y tejido normal (cerca al tejido anormal), ya que
digitalmente se hará un corte del tejido anormal y se hará otro corte con esa misma
área pero en el tejido normal. Tomando la misma área podemos hacer una
comparación y observar las diferencias en la misma imagen.
2.3 Espectroscopia de tejido biológico.
En el sistema usado para el estudio espectroscópico de reflectancia difusa y
fluorescencia del tejido, ver figura 2.10, fue desarrollado por el Dr. Diego Adrián Fabila
y esta reportado en la referencia. [2.12]
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 25
Piel
Fibra Óptica Bifurcada
Fibra de Captura
Fibras de Iluminación
Sonda
Espectrómetro Fuente de Luz UV
Interacción Luz-Piel
El equipo utilizado para realizar las espectroscopias de reflexión difusa y de
fluorescencia fue un espectrómetro miniatura USB4000-VIS-NIR y una fibra óptica
bifurcada QR400-7-UV/VIS (ambos de la firma Ocean Optics Corp.), además de una
computadora portátil con el programa LabVIEW 2010.Tanto para las mediciones de
espectroscopia como para la toma de imágenes se emplearon los mismos diodos
emisores de luz (LEDs) como fuente de luz.
Para las mediciones de espectroscopia, los LEDs fueron acoplados a la fibra óptica
bifurcada, mientras que para la toma de imágenes, fueron montados en un disipador de
calor de aluminio.
El estudio espectroscópico proporciona información cuantitativa del tipo de luz
(contenido espectral) que se re-emite desde el punto geográfico del tejido auscultado
después de interactuar con luz blanca ó con luz ultravioleta. En principio resuelve
espectralmente de manera más precisa la composición de la luz re-emitida por el objeto
que la resolución en RGB que proporciona la cámara digital y en cierta medida debiera
confirmar la composición de los histogramas obtenidos con esta última.
Figura 2.10, Esquema del arreglo usado para la espectroscopia.
Capítulo 2. Sistema Desarrollado
M. en C. en Ingeniería Electrónica 26
Referencias
[2.1].Nadhi Thekkek, BS and Rebecca Richards-Kortum, PhD, (2008). Optical
Imaging for Cervical Cancer Detection: Solutions for a continuing global
problem. Nat Rev Cancer. 2008 September; 8(9): 725–731.
[2.2].Gamble RG, Asdigian NL, Aalborg J, Gonzalez V, Box NF, Huff LS, Barón AE,
Morelli JG, Mokrohisky ST, Crane LA, Dellavalle RP. J Am Acad
Dermatol.(2012).Sun damage in ultraviolet photographs correlates with
phenotypic melanoma risk factors in 12-year-old children.Oct;67(4):587-97.
[2.3].MOLEX., “180081-22 Datasheet”.
http://www.molex.com/webdocs/datasheets/pdf/en-
us/1800812220_SOLID_STATE_LIGHTI.pdf
[2.4].Nichia Corp., “NC4U133A (T) Datasheet”.
http://www.nichia.co.jp/specification/products/led/NC4U133A-E.pdf
[2.5].RECOM, “RCD-24-1.00/PL/A Datasheet”.
http://www.recom-power.com/pdf/Lightline/RCD-24PL.pdf
[2.6].Linear Technology, “LTC1257CN8 Datasheet”.
http://cds.linear.com/docs/en/datasheet/1257fc.pdf
[2.7].Microchip, “PIC18f2550 Datasheet”.
http://ww1.microchip.com/downloads/en/DeviceDoc/39632e.pdf
[2.8].Motorola, “MC7805CT Datasheet”.
http://pdf1.alldatasheet.es/datasheet-
pdf/view/4480/MOTOROLA/MC7805.html
[2.9].Hitachi Semiconductor, “LM016L Datasheet”.
http://pdf1.alldatasheet.com/datasheet-
pdf/view/146552/HITACHI/LM016L.html
[2.10].Fairchild Semiconductor, “LM7812AC Datasheet”.
http://www.fairchildsemi.com/ds/LM/LM7805.pdf
[2.11].Sony, “Especificaciones Técnicas Cyber-shot DSC-HX200V”
http://www.sony.es/support/es/content/cnt-specs/DSC-HX200V/list
[2.12].Diego Fabila, (2010). Tesis, “Desarrollo de un espectrofluorómetro portátil
para mediciones in situ de tejido biológico”. SEPI ESIME ZAC IPN.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 27
Capítulo 3
Mediciones
En colaboración con el Hospital GEA González, se tomaron fotografías con luz blanca y
luz ultravioleta de 365 nm a 50 pacientes programados para biopsia, también se les
realizaron mediciones de espectroscopia como estudio complementario [3.1]. Se
eliminaron a 9 pacientes a los que no se les realizó biopsia, también se eliminaron a 10
pacientes con diagnósticos únicos y diferentes de todos los demás. De esta manera se
incluyeron a 31 pacientes (19 mujeres y 12 hombres) con un total de 37 lesiones
(algunos pacientes tenían más de una lesión).
Las lesiones se agruparon en 4 enfermedades: (CBC) Cáncer basocelular con 14 casos,
(NID) Nevo intradérmico con 11 casos, (CEC) Cáncer espinocelular con 7 casos, y (MM)
Melanoma con 5 casos.
A continuación se da una breve descripción de cada padecimiento mencionado. [3.1]
Cáncer basocelular. Surge de las células basales que se encuentran en la capa
superior de la piel. La causa principal de este padecimiento es la sobreexposición solar.
Cáncer espinocelular. Surge en las células espinosas que se encuentran una capa
por arriba de las células basales. La causa principal son procesos precancerosos, como
quemaduras o heridas antiguas con tejidos abultados, que se complican dando lugar a
una forma tumoral.
Nevo intradérmico. Son lesiones cutáneas benignas muy frecuentes que se
encuentran prácticamente en la totalidad de la población. Son proliferaciones
(tumores) benignas derivadas de los melanocitos, las células responsables de la
pigmentación normal de la piel.
Melanoma. El melanoma es una enfermedad por la que se forman células malignas
en las células de la piel llamadas melanocitos, se encuentran en la parte inferior de la
epidermis. Este cáncer es el más agresivo de todos, genera metástasis rápidamente.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 28
Cada grupo de lesiones tiene subgrupos relacionados con la pigmentación, algunos
padecimientos pueden estar pigmentados o no, y con el tono de piel de cada paciente
llamado fototipo, en la tabla 3.1, se muestra la clasificación de los diferentes fototipos,
siendo la concentración de melanina mayor conforme aumenta el número del fototipo.
[3.2]
Tabla 3.1, Clasificación de Fitzpatrick de los Fototipos de piel
y su pigmentación (concentración de melanina).
Fototipo
cutáneo Color de piel Historial de quemaduras de sol y
bronceado (define el fototipo)
Oscurecimiento
inmediato del
pigmento
I Blanca pálida Se quema fácilmente, nunca se broncea Ninguno
II Blanca rojiza Se quema fácilmente, y se broncea
mínimamente con dificultad Débil
III Blanca oscura Se quema moderadamente y se broncea
moderadamente y uniformemente Definido
IV Ligeramente café Se quema mínimamente, se broncea
moderadamente y fácilmente Moderado
V Café Rara vez se quema, se broncea
profusamente Intenso (marrón)
VI Negra Nunca se quema, se broncea
profusamente Intenso (marrón
oscuro)
3.1 Análisis de imágenes.
El procedimiento consistió en colocar cómodamente al paciente, limpiar el área con
toallitas de alcohol, tomar la fotografía de la lesión con luz blanca y luz UV (365nm).
Las imágenes de las lesiones se capturaron bajo dos condiciones de iluminación. La
primera de ellas iluminando la lesión con luz blanca propia del cuarto de trabajo, y la
segunda iluminando directamente con cada uno de los LEDs a 100mW de potencia
óptica, colocándolos a una distancia de 20 cm de la lesión. La lente de la cámara se fijó
a un factor de amplificación de 3x digitalmente y se capturaron varias fotografías para
cada condición de iluminación. La base de datos de los pacientes con la descripción de
las lesiones, el diagnóstico clínico e histopatológico y los espectros, se registraron en la
computadora, las fotografías se guardaron en archivos electrónicos, se usó software
desarrollado en Matlab para su análisis (ver Anexo II).
El análisis realizado a las imágenes consistió en la comparación de la intensidad del
área de lesión con la intensidad del área determinada por el médico como sana,
resultando un porcentaje. Se utilizó como referencia la intensidad de la piel sana, el
resultado de la variación en el área de la lesión nos indicará si es menos luminosa
(porcentaje negativo) o más luminosa (porcentaje positivo) que la piel sana.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 29
3.1.1 Imágenes de lesiones, Cáncer Basocelular.
A continuación se muestran imágenes de lesiones, diagnosticadas con cáncer
basocelular por médicos del hospital Manuel Gea González, con luz blanca y con luz UV
de 365nm.
Figura 3.1, Paciente 6 CBC, izq. Luz blanca, der. Luz UV.
Figura 3.2, Paciente 7 CBC, izq. Luz blanca, der. Luz UV.
Figura 3.3, Paciente 9 CBC, izq. Luz blanca, der. Luz UV.
Figura 3.4, Paciente 14 CBC, izq. Luz blanca, der. Luz UV.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 30
Figura 3.5, Paciente 22b CBC, izq. Luz blanca, der. Luz UV.
Figura 3.6, Paciente 34 CBC, izq. Luz blanca, der. Luz UV.
Figura 3.7, Paciente 39 CBC, izq. Luz blanca, der. Luz UV.
Figura 3.8, Paciente 42 CBC, izq. Luz blanca, der. Luz UV.
Figura 3.9, Paciente 44 CBC, izq. Luz blanca, der. Luz UV.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 31
Figura 3.10, Paciente 44b CBC, izq. Luz blanca, der. Luz UV.
Figura 3.11, Paciente 46 CBC, izq. Luz blanca, der. Luz UV
Figura 3.12, Paciente 46b CBC, izq. Luz blanca, der. Luz UV.
Figura 3.13, Paciente 47 CBC, izq. Luz blanca, der. Luz UV.
Figura 3.14, Paciente 48 CBC, izq. Luz blanca, der. Luz UV.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 32
3.1.2 Mediciones en Imágenes de lesiones, Cáncer Basocelular.
Tabla 3.2, Mediciones en imágenes con luz blanca, CBC.
Tabla 3.3, Mediciones en imágenes con luz UV de 365 nm, CBC.
CBC, Luz UV
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
CBC nodular
pigmentado P6UV III Pigmentado
LESION (A) 406,932 422,197 588,102 1,417,231 -28.2% 28.71% 29.79% 41.5%
SANO (B) 567,329 578,999 827,625 1,973,953 .% 28.74% 29.33% 41.93%
CBC nodular
pigmentado P7UV III Pigmentado
LESION (A) 609,832 539,183 556,586 1,705,601 -37.92% 35.75% 31.61% 32.63%
SANO (B) 972,966 846,502 927,920 2,747,388 .% 35.41% 30.81% 33.77%
CBC nodular
pigmentado P9UV III Pigmentado
LESION (A) 3,998,303 3,910,974 4,527,737 12,437,014 -44.67% 32.15% 31.45% 36.41%
SANO (B) 6,817,401 7,400,898 8,260,786 22,479,085 .% 30.33% 32.92% 36.75%
CBC superficial P14UV II LESION (A) 788,850 776,743 1,172,710 2,738,303 -65.13% 28.81% 28.37% 42.83%
SANO (B) 1,914,439 2,542,946 3,395,725 7,853,110 .% 24.38% 32.38% 43.24%
CBC nodular
infiltrante
ulcerado
P22bUV III LESION (A) 1,239,937 2,440,691 3,993,838 7,674,466 -16.7% 16.16% 31.8% 52.04%
SANO (B) 1,691,629 3,053,565 4,467,579 9,212,773 .% 18.36% 33.14% 48.49%
CBC nodular
infiltrante
pigmentado
P34UV IV Pigmentado LESION (A) 240,631 248,876 424,245 913,752 -33.86% 26.33% 27.24% 46.43%
SANO (B) 398,421 425,986 557,147 1,381,554 .% 28.84% 30.83% 40.33%
CBC nodular P39UV III LESION (A) 283,516 408,287 634,528 1,326,331 -36.46% 21.38% 30.78% 47.84%
SANO (B) 421,997 692,299 973,083 2,087,379 .% 20.22% 33.17% 46.62%
CBC nodular
pigmentado con
patrón
adenoideo
P42UV IV Pigmentado LESION (A) 1,000,196 1,236,281 1,991,690 4,228,167 -57.39% 23.66% 29.24% 47.11%
SANO (B) 3,159,038 3,221,799 3,543,090 9,923,927 .% 31.83% 32.46% 35.7%
CBC P44UV III LESION (A) 15,080 15,883 50,312 81,275 -28.5% 18.55% 19.54% 61.9%
SANO (B) 28,620 29,732 55,325 113,677 .% 25.18% 26.15% 48.67%
CBC P44bUV III Pigmentado LESION (A) 7,601 6,262 12,304 26,167 -78.97% 29.05% 23.93% 47.02%
SANO (B) 40,119 34,350 49,943 124,412 .% 32.25% 27.61% 40.14%
CBC P46UV III LESION (A) 16,399,439 24,513,721 57,792,115 98,705,275 -24.29% 16.61% 24.84% 58.55%
SANO (B) 20,739,176 42,143,062 67,486,456 130,368,694 .% 15.91% 32.33% 51.77%
CBC P46bUV III LESION (A) 1,000,196 1,236,281 1,991,690 4,228,167 -57.39% 23.66% 29.24% 47.11%
SANO (B) 3,159,038 3,221,799 3,543,090 9,923,927 .% 31.83% 32.46% 35.7%
CBC P47UV III Pigmentado LESION (A) 30,966,775 54,247,303 135,011,060 220,225,138 -55.67% 14.06% 24.63% 61.31%
SANO (B) 86,266,201 157,518,275 253,008,706 496,793,182 .% 17.36% 31.71% 50.93%
CBC P48UV III LESION (A) 2,692,471 3,322,657 6,818,598 12,833,726 -17.75% 20.98% 25.89% 53.13%
SANO (B) 3,323,781 5,111,694 7,167,732 15,603,207 .% 21.3% 32.76% 45.94%
CBC, Luz Blanca
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
CBC nodular
pigmentado P6B III Pigmentado
LESION (A) 1,316,802 1,306,984 1,531,932 4,155,718 -9.27% 31.69% 31.45% 36.86%
SANO (B) 1,764,081 1,400,790 1,415,676 4,580,547 .% 38.51% 30.58% 30.91%
CBC nodular
pigmentado P7B III Pigmentado
LESION (A) 33,089 22,644 21,390 77,123 -21.64% 42.9% 29.36% 27.73%
SANO (B) 43,787 30,583 24,054 98,424 .% 44.49% 31.07% 24.44%
CBC nodular
pigmentado P9B III Pigmentado
LESION (A) 2,574,510 2,217,153 2,373,223 7,164,886 -54.66% 35.93% 30.94% 33.12%
SANO (B) 5,438,508 5,183,087 5,180,271 15,801,866 .% 34.42% 32.8% 32.78%
CBC superficial P14B II LESION (A) 1,738,320 1,496,152 1,431,460 4,665,932 -11.31% 37.26% 32.07% 30.68%
SANO (B) 1,777,138 1,753,515 1,730,394 5,261,047 .% 33.78% 33.33% 32.89%
CBC nodular
infiltrante
ulcerado
P22bB III LESION (A) 3,578,830 2,883,402 3,018,591 9,480,823 -19.47% 37.75% 30.41% 31.84%
SANO (B) 4,132,867 3,853,790 3,785,717 11,772,374 .% 35.11% 32.74% 32.16%
CBC nodular
infiltrante
pigmentado
P34B IV Pigmentado LESION (A) 529,134 440,046 456,335 1,425,515 -34.48% 37.12% 30.87% 32.01%
SANO (B) 735,871 712,029 727,884 2,175,784 .% 33.82% 32.73% 33.45%
CBC nodular P39B III LESION (A) 1,058,818 1,012,091 1,043,962 3,114,871 -19.82% 33.99% 32.49% 33.52%
SANO (B) 1,277,809 1,277,976 1,329,246 3,885,031 .% 32.89% 32.89% 34.21%
CBC nodular
pigmentado
con patrón
adenoideo
P42B IV Pigmentado
LESION (A) 768,986 791,068 932,581 2,492,635 -69.6% 30.85% 31.74% 37.41%
SANO (B) 2,766,659 2,683,647 2,748,473 8,198,779 .% 33.74% 32.73% 33.52%
CBC P44B III LESION (A) 144,944 144,505 163,135 452,584 -24.11% 32.03% 31.93% 36.05%
SANO (B) 206,814 195,668 193,888 596,370 .% 34.68% 32.81% 32.51%
CBC P44bB III Pigmentado LESION (A) 41,220 48,336 59,690 149,246 -31.91% 27.62% 32.39% 39.99%
SANO (B) 80,344 72,304 66,532 219,180 .% 36.66% 32.99% 30.35%
CBC P46B III LESION (A) 63,780,698 44,772,276 51,990,040 160,543,014 -3.9% 39.73% 27.89% 32.38%
SANO (B) 63,697,024 51,550,806 51,806,652 167,054,482 .% 38.13% 30.86% 31.01%
CBC P46bB III LESION (A) 14,599,643 8,847,041 11,705,297 35,151,981 -24.05% 41.53% 25.17% 33.3%
SANO (B) 17,833,058 14,430,796 14,020,235 46,284,089 .% 38.53% 31.18% 30.29%
CBC P47B III Pigmentado LESION (A) 164,229,843 122,148,992 132,642,084 419,020,919 -39.67% 39.19% 29.15% 31.66%
SANO (B) 240,478,507 227,505,395 226,517,793 694,501,695 .% 34.63% 32.76% 32.62%
CBC P48B III LESION (A) 6,371,334 5,137,670 5,434,569 16,943,573 -15.91% 37.6% 30.32% 32.07%
SANO (B) 7,138,262 6,394,629 6,615,970 20,148,861 .% 35.43% 31.74% 32.84%
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 33
3.1.3 Imágenes de lesiones, Nevo Intradérmico.
A continuación se muestran imágenes de lesiones, diagnosticadas con nevo
intradérmico por médicos del hospital Manuel Gea González, con luz blanca y con luz
UV de 365nm.
Figura 3.15, Paciente 15 NID, izq. Luz blanca, der. Luz UV.
Figura 3.16, Paciente 29 NID, izq. Luz blanca, der. Luz UV.
Figura 3.17, Paciente 30 NID, izq. Luz blanca, der. Luz UV
Figura 3.18, Paciente 30b NID, izq. Luz blanca, der. Luz UV
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 34
Figura 3.19, Paciente 31 sup. NID, izq. Luz blanca, der. Luz UV
Figura 3.20, Paciente 31 inf. NID, izq. Luz blanca, der. Luz UV
Figura 3.21, Paciente 36 NID, izq. Luz blanca, der. Luz UV
Figura 3.22, Paciente 41 NID, izq. Luz blanca, der. Luz UV
Figura 3.23, Paciente 41b NID, izq. Luz blanca, der. Luz UV
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 35
Figura 3.24, Paciente 49 NID, izq. Luz blanca, der. Luz UV
Figura 3.25, Paciente 50 NID, izq. Luz blanca, der. Luz UV
3.1.4 Mediciones en Imágenes de lesiones, Nevo Intradérmico.
Tabla 3.4, Mediciones en imágenes con luz blanca, NID.
NID, Luz Blanca
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
Nevo melanocítico
intradérmico P15B IV
LESION (A) 588,199 507,344 472,618 1,568,161 -14.64% 37.51% 32.35% 30.14%
SANO (B) 619,489 620,620 597,006 1,837,115 .% 33.72% 33.78% 32.5%
Nevo melanocítico
intradérmico P29B III Pigmentado
LESION (A) 1,041,523 1,005,211 1,037,303 3,084,037 -55.8% 33.77% 32.59% 33.63%
SANO (B) 2,286,102 2,305,443 2,386,063 6,977,608 .% 32.76% 33.04% 34.2%
Nevo melanocítico
intradérmico P30B IV Pigmentado
LESION (A) 404,779 324,071 309,531 1,038,381 -42.89% 38.98% 31.21% 29.81%
SANO (B) 613,611 603,293 601,312 1,818,216 .% 33.75% 33.18% 33.07%
Nevo melanocítico
intradérmico P30bB IV Pigmentado
LESION (A) 285,510 237,419 234,001 756,930 -35.97% 37.72% 31.37% 30.91%
SANO (B) 402,659 393,372 386,202 1,182,233 .% 34.06% 33.27% 32.67%
Nevo melanocítico
intradérmico P31B IV Pigmentado
LESION (A) 247,173 202,614 188,589 638,376 -29.54% 38.72% 31.74% 29.54%
SANO (B) 316,125 300,992 288,906 906,023 .% 34.89% 33.22% 31.89%
Nevo melanocítico
intradérmico P31bB IV Pigmentado
LESION (A) 39,694 32,622 30,816 103,132 -61.02% 38.49% 31.63% 29.88%
SANO (B) 90,939 87,875 85,794 264,608 .% 34.37% 33.21% 32.42%
Nevo melanocítico
intradérmico P36B III Pigmentado
LESION (A) 272,974 225,472 199,470 697,916 -45.03% 39.11% 32.31% 28.58%
SANO (B) 419,070 418,354 432,149 1,269,573 .% 33.01% 32.95% 34.04%
Nevo azul celular P41B IV Pigmentado LESION (A) 383,120 469,338 504,392 1,356,850 -49.19% 28.24% 34.59% 37.17%
SANO (B) 909,190 889,703 871,707 2,670,600 .% 34.04% 33.31% 32.64%
Nevo melanocítico
intradérmico con
patrón congénito
P41bB IV Pigmentado LESION (A) 394,877 398,603 407,513 1,200,993 -39.26% 32.88% 33.19% 33.93%
SANO (B) 674,758 656,669 645,724 1,977,151 .% 34.13% 33.21% 32.66%
Nevo melanocítico
intradérmico P49B IV Pigmentado
LESION (A) 1,656,479 1,453,703 1,557,431 4,667,613 -32.74% 35.49% 31.14% 33.37%
SANO (B) 2,660,341 2,146,838 2,132,461 6,939,640 .% 38.34% 30.94% 30.73%
Nevo melanocítico
intradérmico P50B III Pigmentado
LESION (A) 3,971,488 2,754,965 2,369,957 9,096,410 -57.05% 43.66% 30.29% 26.05%
SANO (B) 7,361,441 6,805,120 7,010,587 21,177,148 .% 34.76% 32.13% 33.1%
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 36
Tabla 3.5, Mediciones en imágenes con luz UV de 365 nm, NID.
NID, Luz UV
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
Nevo
melanocítico
intradérmico
P15UV IV LESION (A) 379,879 314,986 313,949 1,008,814 -3.96% 37.66% 31.22% 31.12%
SANO (B) 367,324 343,301 339,756 1,050,381 .% 34.97% 32.68% 32.35%
Nevo
melanocítico
intradérmico
P29UV III Pigmentado LESION (A) 589,008 572,843 607,688 1,769,539 -51.66% 33.29% 32.37% 34.34%
SANO (B) 1,172,909 1,176,776 1,311,269 3,660,954 .% 32.04% 32.14% 35.82%
Nevo
melanocítico
intradérmico
P30UV IV Pigmentado LESION (A) 66,846 58,972 70,246 196,064 -54.4% 34.09% 30.08% 35.83%
SANO (B) 144,038 138,657 147,276 429,971 .% 33.5% 32.25% 34.25%
Nevo
melanocítico
intradérmico
P30bUV IV Pigmentado LESION (A) 21,433 36,214 91,611 149,258 -52.52% 14.36% 24.26% 61.38%
SANO (B) 45,656 90,190 178,508 314,354 .% 14.52% 28.69% 56.79%
Nevo
melanocítico
intradérmico
P31UV IV Pigmentado LESION (A) 156,106 142,215 168,050 466,371 -37.41% 33.47% 30.49% 36.03%
SANO (B) 236,485 231,213 277,397 745,095 .% 31.74% 31.03% 37.23%
Nevo
melanocítico
intradérmico
P31bUV IV Pigmentado LESION (A) 10,676 9,279 10,821 30,776 -74.4% 34.69% 30.15% 35.16%
SANO (B) 36,190 37,344 46,677 120,211 .% 30.11% 31.07% 38.83%
Nevo
melanocítico
intradérmico
P36UV III Pigmentado LESION (A) 311,366 227,670 243,309 782,345 -77.8% 39.8% 29.1% 31.1%
SANO (B) 974,090 1,094,250 1,455,263 3,523,603 .% 27.64% 31.05% 41.3%
Nevo azul
celular P41UV IV Pigmentado
LESION (A) 74,989 102,565 132,570 310,124 -38.61% 24.18% 33.07% 42.75%
SANO (B) 166,051 165,101 174,010 505,162 .% 32.87% 32.68% 34.45%
Nevo
melanocítico
intradérmico
con patrón
congénito
P41bUV IV Pigmentado
LESION (A) 176,286 261,044 435,060 872,390 -32.01% 20.21% 29.92% 49.87%
SANO (B) 337,213 406,534 539,443 1,283,190 .% 26.28% 31.68% 42.04%
Nevo
melanocítico
intradérmico
P49UV IV Pigmentado LESION (A) 667,783 1,319,757 2,476,330 4,463,870 -41.18% 14.96% 29.57% 55.47%
SANO (B) 1,515,391 2,495,352 3,577,794 7,588,537 .% 19.97% 32.88% 47.15%
Nevo
melanocítico
intradérmico
P50UV III Pigmentado LESION (A) 1,889,567 1,086,745 2,205,911 5,182,223 -77.8% 36.46% 20.97% 42.57%
SANO (B) 6,637,915 6,831,357 9,877,727 23,346,999 .% 28.43% 29.26% 42.31%
3.1.5 Imágenes de lesiones, Cáncer Espinocelular.
A continuación se muestran imágenes de lesiones, diagnosticadas con cáncer
espinocelular por médicos del hospital Manuel Gea González, con luz blanca y con luz
UV de 365nm.
Figura 3.26, Paciente 8 CEC, izq. Luz blanca, der. Luz UV
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 37
Figura 3.27, Paciente 10 CEC, izq. Luz blanca, der. Luz UV
Figura 3.28, Paciente 17 CEC, izq. Luz blanca, der. Luz UV
Figura 3.29, Paciente 22 CEC, izq. Luz blanca, der. Luz UV
Figura 3.30, Paciente 24 CEC, izq. Luz blanca, der. Luz UV
Figura 3.31, Paciente 32 CEC, izq. Luz blanca, der. Luz UV
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 38
Figura 3.32, Paciente 37 CEC, izq. Luz blanca, der. Luz UV
3.1.6 Mediciones en Imágenes de lesiones, Cáncer Espinocelular.
Tabla 3.6, Mediciones en imágenes con luz blanca, CEC.
CEC, Luz Blanca
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
CEC invasor bien
diferenciado P8B III IN SITU
LESION (A) 980,109 744,967 775,963 2,501,039 -26.47% 39.19% 29.79% 31.03%
SANO (B) 1,232,916 1,092,993 1,075,298 3,401,207 .% 36.25% 32.14% 31.62%
CEC invasor P10B IV LESION (A) 4,064,478 3,446,485 3,289,691 10,800,654 -4.93% 37.63% 31.91% 30.46%
SANO (B) 4,471,800 3,631,524 3,256,921 11,360,245 .% 39.36% 31.97% 28.67%
CEC invasor bien
diferenciado P17B III
LESION (A) 1,463,340 1,222,951 1,145,270 3,831,561 8.71% 38.19% 31.92% 29.89%
SANO (B) 1,333,410 1,150,172 1,041,070 3,524,652 .% 37.83% 32.63% 29.54%
CEC in situ
ulcerado
acantolítico
P22B III IN SITU LESION (A) 7,265,796 6,648,968 7,334,012 21,248,776 2.71% 34.19% 31.29% 34.51%
SANO (B) 7,193,961 6,587,461 6,907,364 20,688,786 .% 34.77% 31.84% 33.39%
CEC invasor bien
diferenciado P24B IV
LESION (A) 3,396,262 2,392,365 2,331,979 8,120,606 -23.14% 41.82% 29.46% 28.72%
SANO (B) 3,565,331 3,528,397 3,471,512 10,565,240 .% 33.75% 33.4% 32.86%
CEC in situ P32B III IN SITU LESION (A) 1,029,322 621,739 358,279 2,009,340 -43.68% 51.23% 30.94% 17.83%
SANO (B) 1,434,185 1,248,739 884,933 3,567,857 .% 40.2% 35.% 24.8%
CEC invasor bien
diferenciado P37B III
LESION (A) 264,424 271,321 281,009 816,754 48.11% 32.37% 33.22% 34.41%
SANO (B) 199,432 177,479 174,528 551,439 .% 36.17% 32.18% 31.65%
Tabla 3.7, Mediciones en imágenes con luz UV de 365 nm, CEC.
CEC, Luz UV
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
CEC invasor bien
diferenciado P8UV III IN SITU
LESION (A) 2,101,183 2,064,974 3,015,454 7,181,611 -4.75% 29.26% 28.75% 41.99%
SANO (B) 2,341,519 2,301,378 2,897,126 7,540,023 .% 31.05% 30.52% 38.42%
CEC invasor P10UV IV LESION (A) 3,576,464 4,233,392 6,208,990 14,018,846 6.64% 25.51% 30.2% 44.29%
SANO (B) 3,979,916 3,956,708 5,208,978 13,145,602 .% 30.28% 30.1% 39.63%
CEC invasor bien
diferenciado P17UV III
LESION (A) 869,317 1,142,683 1,629,641 3,641,641 157.% 23.87% 31.38% 44.75%
SANO (B) 552,476 444,039 420,486 1,417,001 .% 38.99% 31.34% 29.67%
CEC in situ
ulcerado
acantolítico
P22UV III IN SITU LESION (A) 1,904,978 2,537,015 3,543,120 7,985,113 51.9% 23.86% 31.77% 44.37%
SANO (B) 1,575,451 1,610,398 2,070,979 5,256,828 .% 29.97% 30.63% 39.4%
CEC invasor bien
diferenciado P24UV IV
LESION (A) 420,239 602,720 993,593 2,016,552 446.29% 20.84% 29.89% 49.27%
SANO (B) 145,969 107,823 115,342 369,134 .% 39.54% 29.21% 31.25%
CEC in situ P32UV III IN SITU LESION (A) 561,300 577,279 971,002 2,109,581 -34.84% 26.61% 27.36% 46.03%
SANO (B) 897,510 1,027,793 1,312,059 3,237,362 .% 27.72% 31.75% 40.53%
CEC invasor bien
diferenciado P37UV III
LESION (A) 68,503 94,723 143,166 306,392 52.58% 22.36% 30.92% 46.73%
SANO (B) 48,561 60,631 91,618 200,810 .% 24.18% 30.19% 45.62%
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 39
3.1.7 Imágenes de lesiones, Melanoma.
A continuación se muestran imágenes de lesiones, diagnosticadas con melanoma por
médicos del hospital Manuel Gea González, con luz blanca y con luz UV de 365nm.
Figura 3.33, Paciente 20 MM, izq. Luz blanca, der. Luz UV
Figura 3.34, Paciente 25 MM, izq. Luz blanca, der. Luz UV
Figura 3.35, Paciente 27 MM, izq. Luz blanca, der. Luz UV
Figura 3.36, Paciente 35 MM, izq. Luz blanca, der. Luz UV
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 40
Figura 3.37, Paciente 38 MM, izq. Luz blanca, der. Luz UV
3.1.8 Mediciones en Imágenes de lesiones, Melanoma.
Tabla 3.8, Mediciones en imágenes con luz blanca, MM.
MM, Luz Blanca
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
Melanoma
cutáneo invasor P20B V
LESION (A) 1,520,098 2,176,939 3,095,128 6,792,165 -45.91% 22.38% 32.05% 45.57%
SANO (B) 4,200,935 4,155,726 4,201,191 12,557,852 .% 33.45% 33.09% 33.45%
Melanoma
cutáneo invasor
ulcerado
P25B IV LESION (A) 123,421 132,623 155,412 411,456 -67.12% 30.% 32.23% 37.77%
SANO (B) 452,516 408,931 389,987 1,251,434 .% 36.16% 32.68% 31.16%
Melanoma
cutáneo invasor P27B IV
LESION (A) 354,623 302,925 208,073 865,621 -74.64% 40.97% 35.% 24.04%
SANO (B) 1,517,719 1,262,518 632,696 3,412,933 .% 44.47% 36.99% 18.54%
Melanoma
cutáneo invasor P35B IV
LESION (A) 269,361 290,943 240,558 800,862 -88.11% 33.63% 36.33% 30.04%
SANO (B) 2,525,886 2,273,174 1,936,667 6,735,727 .% 37.5% 33.75% 28.75%
Melanoma acral
lentiginoso
focalmente
invasor
P38B IV
LESION (A) 455,893 577,391 693,101 1,726,385 -61.58% 26.41% 33.45% 40.15%
SANO (B) 1,521,527 1,481,361 1,490,205 4,493,093 .% 33.86% 32.97% 33.17%
Tabla 3.9, Mediciones en imágenes con luz UV de 365 nm, MM.
MM, Luz UV
PADECIMIENTO PACIENTE FOTOTIPO Y
PIGMENTACIÓN TEJIDO
Pixel por Nivel de
Intensidad R
Pixel por Nivel de
Intensidad G
Pixel por Nivel de
Intensidad B
SUMA PNI RGB
COMPARACIÓN DE LA
INTENSIDAD TOTAL
P% R P% G P% B
Melanoma
cutáneo invasor P20UV V
LESION (A) 182,882 314,363 797,708 1,294,953 -38.13% 14.12% 24.28% 61.6%
SANO (B) 685,635 686,653 720,594 2,092,882 .% 32.76% 32.81% 34.43%
Melanoma
cutáneo invasor
ulcerado
P25UV IV LESION (A) 100,279 120,678 204,914 425,871 -77.36% 23.55% 28.34% 48.12%
SANO (B) 673,007 625,257 582,469 1,880,733 .% 35.78% 33.25% 30.97%
Melanoma
cutáneo invasor P27UV IV
LESION (A) 267,751 290,413 310,431 868,595 -66.6% 30.83% 33.43% 35.74%
SANO (B) 929,206 885,522 785,868 2,600,596 .% 35.73% 34.05% 30.22%
Melanoma
cutáneo invasor P35UV IV
LESION (A) 127,700 145,066 123,396 396,162 -76.1% 32.23% 36.62% 31.15%
SANO (B) 519,108 531,969 606,174 1,657,251 .% 31.32% 32.1% 36.58%
Melanoma acral
lentiginoso
focalmente
invasor
P38UV IV LESION (A) 480,431 456,571 762,408 1,699,410 -77.61% 28.27% 26.87% 44.86%
SANO (B) 2,333,402 2,394,485 2,863,318 7,591,205 .% 30.74% 31.54% 37.72%
De las mediciones realizadas a las imágenes de pacientes con los distintos
padecimientos, en el Hospital Gea González se recomendó que se hiciera la clasificación
por fototipo ya que este es muy importante para determinar la variación de la
intensidad de la lesión con respecto a la piel sana.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 41
A continuación se muestran las mediciones clasificadas por fototipo II, III, IV y V,
indicando el rango (mínimo y máximo) de la variación de intensidades de las lesiones
de los distintos padecimientos, así como las gráficas correspondientes para visualizar
las mediciones.
3.1.9 Intensidad de lesiones en pacientes con fototipo II.
Tabla 3.10, Mediciones en imágenes, pacientes con fototipo II.
LESIONES EN PACIENTES CON FOTOTIPO II
PADECIMIENTO RANGO DE INTENSIDADES LUZ B RANGO DE INTENSIDADES LUZ UV
Un solo paciente Un solo paciente
CBC -11.31% -65.13%
Sólo hay un paciente con fototipo II con padecimiento de cáncer basocelular, la
medición con luz blanca es de menor intensidad con respecto a la piel sana en un
11.31%, con luz UV la lesión no presenta fluorescencia y se hace menos intensa en un
65.13% con respecto a la piel sana.
3.1.10 Intensidad de lesiones en pacientes con fototipo III.
Tabla 3.11, Mediciones en imágenes, pacientes con fototipo III.
LESIONES EN PACIENTES CON FOTOTIPO III
PADECIMIENTO RANGO DE INTENSIDADES LUZ B RANGO DE INTENSIDADES LUZ UV
MIN MAX MIN MAX
NID PIGMENTADO -57.05% -45.03% -77.8% -51.66%
CBC PIGMENTADO -54.66% -9.27% -78.97% -28.2%
CBC NO PIGMENTADO -24.11% -3.9% -36.46% -16.7%
CEC 8.71% 48.11% 52.58% 157.%
CEC IN SITU -43.68% 2.71% -34.84% 51.9%
Figura 3.38, Gráfica de rangos de intensidades fototipo III, luz blanca.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 42
Figura 3.39, Gráfica de rangos de intensidades fototipo III, luz UV.
Los rangos de las variaciones de intensidad en lesiones para pacientes con fototipo III
con luz blanca pueden diferenciar CEC de NID pigmentado, CBC pigmentado, CBC no
pigmentado y CEC in situ, ya que es el único en que los rangos no se mezclan, el rango
de NID pigmentado sólo se mezcla con CBC pigmentado. Con luz UV se puede
diferenciar de igual forma el CEC de NID pigmentado, CBC pigmentado, CBC no
pigmentado, y CEC in situ, podemos identificar que sólo en el CEC y CEC in situ se hace
presente la fluorescencia, en los demás padecimientos sólo hay absorción ya que se
oscurece todavía más la lesión.
3.1.11 Intensidad de lesiones en pacientes con fototipo IV
Tabla 3.12, Mediciones en imágenes, pacientes con fototipo IV.
LESIONES EN PACIENTES CON FOTOTIPO IV
PADECIMIENTO
RANGO DE INTENSIDADES LUZ B
RANGO DE INTENSIDADES LUZ UV
MIN MAX MIN MAX
MELANOMA -88.11% -61.58% -77.61% -66.6%
NID PIGMENTADO -61.02% -29.54% -74.4% -32.01%
NID NO PIGMENTADO (1 PACIENTE) -14.64% -14.64% -3.96% -3.96%
CBC PIGMENTADO -69.6% -34.48% -57.39% -33.86%
CEC -23.14% -4.93% 6.64% 446.29%
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 43
Figura 3.40, Gráficas de rangos de intensidades fototipo IV, luz blanca.
Figura 3.41, Gráficas de rangos de intensidades fototipo IV, luz UV.
Para lesiones pigmentadas en pacientes con fototipo IV los intervalos de las variaciones
de intensidad con luz blanca diferencian Melanoma de NID pigmentado, NID no
pigmentado y CEC, ya que los rangos no se mezclan, el intervalo para Melanoma sólo se
mezcla con el de CBC pigmentado. Con luz UV se puede diferenciar Melanoma de CBC
pigmentado, NID no pigmentado y CEC. El intervalo para el Melanoma sólo se mezcla
con el de NID pigmentado.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 44
Es importante hacer notar que la situación más apremiante en el diagnóstico de una
lesión es la diferenciación entre lesiones pigmentadas, ya que el no poder identificar a
tiempo un melanoma y confundirlo con un NID pigmentado o con un CBC pigmentado
resulta fatal para el paciente. Si el melanoma no se ha expandido lateralmente por más
de 5 mm, el paciente aún puede ser rescatado realizándole la resección completa del
tumor. Por lo anterior resulta de gran importancia que al menos en pacientes con
fototipo IV se puedan diferenciar las lesiones pigmentadas melanoma, NID y CBC a
través de las fotografías con luz blanca y con luz ultravioleta.
Podemos identificar que en NID no pigmentado y en CEC se hace presente la
fluorescencia, en los demás padecimientos hay absorción ya que se oscurece todavía
más la lesión.
3.1.12 Discusión relativa a este resultado.
a) Propiedades ópticas y génesis de cromóforos en la piel.
Para la radiación electromagnética entre el UV y el visible la piel contiene tres
cromóforos principales: la sangre absorbe considerablemente en los intervalos de 400
a 425 nm y de 500 a 600 nm; los melanosomas absorben de 300 a 700 nm y en menor
grado de 280 a 300 nm y; la queratina que absorbe en el UV con un máximo alrededor
de 280 nm.
Los melanosomas son vesículos que se encuentran dentro de los melanocitos, que son
células localizadas en el estrato basal. En algunos melanocitos, los melanosomas
permanecen estáticos en el centro de estos. En otros ocurre la formación de
seudópodos largos que llevan a los melanosomas lejos del centro de la célula, desde
donde se desprenden de los melanocitos y son atrapados y absorbidos por los
queratinocitos que le rodean (alrededor de 36) [3.3]. Los melanosomas sintetizan dos
tipos de melanina: la pheomelanina (roja/amarilla) y la eumelanina (café/negra). Estas
pueden diferir a demás en tamaño, forma y manera en que empacan sus granos [3.4].
Así, las diferencias en pigmentación de la piel pueden surgir de variaciones en número,
tamaño, composición y distribución de melanosomas, el número de melanocitos
permanece relativamente constante. La melanina y los melanosomas son finalmente
removidos al desplazarse con los queratinocitos hacia la superficie de la piel (estrato
corneo). Conforme aumenta la concentración de melanosomas en la piel aumenta su
absorción y por tanto disminuye su reflectancia [3.5].
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 45
La queratina (la cual aparece en la piel, el pelo y las uñas) es una proteína producida
por los queratinocitos, los cuales constituyen aproximadamente el 95% de las células en
la epidermis. Los queratinocitos se forman en el estrato basal y allí se denominan
células basales, al emigrar hacia la superficie de la piel se convierten en células
escamosas. Así, a los carcinomas de células basales (CBC) y de células escamosas
también se les denomina cáncer de queratinocitos. En el estrato corneo los
queratinocitos aparecen ya como células muertas.
b) Efectos de los cromóforos en la coloración de piel normal.
Las imágenes vistas con un dermoscopio (o con la fotografía con luz blanca) no es
sensitiva a la concentración de células tumorales sino a la repartición de melanina en la
epidermis [3.6].
c) Efectos de los cromóforos en lesiones pigmentadas (melanoma, NID y
CBC).
El hecho de que con luz blanca el melanoma aparezca en promedio más obscuro que un
NID pigmentado ó un CBC pigmentado se puede explicar a través del contenido de
melanocitos en la lesión y la profundidad de la lesión en la piel.
Una lesión melanoma es una lesión pigmentada formada por melanocitos malignos
que invaden la piel desde su superficie hasta una profundidad que depende del grado
de avance de la lesión.
Los NID pigmentados, formados por nevocitos (que tan bien son melanocitos), se
presentan en la dermis y en la región más profunda de la epidermis. Aquí la luz blanca
interactúa primero con las células de la epidermis para después interactuar con los
melanocitos en la lesión, por lo que luz reflejada desde la epidermis permite una
reflectancia mayor de la zona irradiada.
En un CBC pigmentado (el cual se origina en la región basal de la epidermis) se
entremezclan melanocitos con células basales y se encuentra una cantidad variable de
melanina en el citoplasma de las células basales neoplásicas. También se encuentran
muchos macrófagos con pigmentos de melanina en el estroma [3.7]. Así, el contenido
de melanina en este tipo de lesión es menor que el correspondiente al melanoma y al
NID pigmentado y su ubicación comprende a la epidermis y la dermis.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 46
3.1.13 Intensidad de lesiones en pacientes con fototipo V
Tabla 3.13, Mediciones en imágenes, pacientes con fototipo V.
LESIONES EN PACIENTES CON FOTOTIPO V
PADECIMIENTO RANGO DE INTENSIDADES LUZ B RANGO DE INTENSIDADES LUZ UV
Un solo paciente Un solo paciente
MELANOMA -45.91% -38.13%
Sólo hay un paciente con fototipo V con padecimiento de melanoma, la medición con
luz blanca es de menor intensidad con respecto a la piel sana en un 45.91%, con luz UV
la lesión sigue siendo de menor intensidad con respecto a la piel sana en un 38.13%,
aquí podemos observar que la lesión con luz blanca es menos intensa que con luz UV.
3.2 Espectroscopia de reflectancia difusa y fluorescencia en
lesiones.
La metodología para la realización de las medidas espectroscópicas consistió en colocar
la sonda de la fibra óptica en contacto directo sobre la lesión y luego sobre el tejido
circundante. La potencia de irradiación de la fuente de luz fue establecida a un valor de
1.5 mW y el espectrómetro se configuro con un tiempo de integración de 100 ms.
Posteriormente los espectros fueron suavizados empleando un filtro Savitzky-Golay de
4to orden para eliminar el ruido de alta frecuencia originado por el espectrómetro.
Las Gráficas de los espectros (ver Figuras 3.40 a 3.43) muestran los espectros de
fluorescencia y de reflectancia difusa de las lesiones estudiadas. En éstas se observa que
los espectros de tejido sano mostraron patrones similares; a excepción del CEC, la
intensidad de los tejidos sanos fue mayor que la de las lesiones. La fluorescencia se
presentó en el intervalo de 420 a 800 nm con un punto de emisión máximo alrededor
de los 500 nm. Se observó que conforme más oscura es la piel, los espectros del tejido
sano son más tenues. Con la reflectancia difusa se encontraron los puntos de absorción
típicos de la hemoglobina a 545 nm y 575 nm [3.8], los cuales no se observaron en las
lesiones. En las lesiones pigmentadas (melanoma, nevos melanocíticos y CBC) se
encontró una fuerte atenuación de los espectros.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 47
En todos los casos de CBC (fototipos II, III y IV) se observó que la intensidad de la
fluorescencia disminuyó ligeramente conforme se incrementaba el fototipo.
Figura 3.42, Carcinoma Basocelular: espectros de fluorescencia y reflectancia difusa.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 48
Figura 3.43, Carcinoma Espinocelular: espectros de fluorescencia y reflectancia difusa.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 49
Figura 3.44, Nevos Melanocíticos: espectros de fluorescencia y reflectancia difusa
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 50
Figura 3.45, Melanoma Maligno: espectros de fluorescencia y reflectancia difusa.
Los espectros de reflectancia difusa de CBC pigmentados se separaron en tres grupos.
El primero de ellos presentó una mayor intensidad (las lesiones presentaban poco
pigmento clínicamente) y se observaron muy ligeramente los puntos de absorción de la
hemoglobina. En el segundo grupo se vieron ligeramente los puntos de absorción de la
hemoglobina (545 y 575 nm) y finalmente, el último grupo en el cual la intensidad
estaba sumamente atenuada y que corresponde a los casos donde se observó la mayor
pigmentación clínica. En los espectros de CBC no pigmentados, se observaron los
puntos de absorción de la hemoglobina.
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 51
Los resultados mostraron diferencias en la intensidad y forma de los espectros de
fluorescencia y reflectancia difusa entre tejido sano y las lesiones de piel estudiadas. En
el tejido sano se observó un patrón del espectro de fluorescencia perfectamente
definido, que en contraste con lesiones pigmentadas, este fue imperceptible. El espectro
de absorción de la melanina crece de la región visible hacia la región UV del espectro
electromagnético, por lo tanto este hecho puede explicar la atenuación que sufren los
espectros de fluorescencia en las lesiones pigmentadas de piel.
Esto podría tener un uso valioso en la diferenciación de neoplasias pigmentadas, como
Melanoma o CBC, para distinguirlas de lesiones sin pigmento que pueden confundirse,
como un proceso angiomatoso trombosado [3.1]. Para el caso de los CBC y NID no
pigmentados, así como para CEC, se observaron espectros de fluorescencia similares al
tejido sano. Sin embargo, en la mayoría de los casos, tales espectros mostraron una
intensidad de la fluorescencia menor en comparación al tejido sano.
La reflectancia difusa se caracterizó principalmente por la presencia de los puntos
típicos de absorción de la hemoglobina. En todos los casos la intensidad para el tejido
sano de referencia fue mayor que para las lesiones. De manera importante, se
encontraron variaciones de los resultados según el fototipo del paciente. Además se
observó una disminución en la intensidad de las lesiones pigmentadas en contraste con
las no pigmentadas. La intensidad de los melanomas fue menor a la de los nevos
melanocíticos, principalmente en la región de 600 a 750 nm. Este intervalo podría ser
utilizado como punto de diferenciación entre ambas lesiones, aunque fue un número
pequeño de lesiones, es un dato importante para proponer estudios subsecuentes [3.1].
Estos resultados de espectroscopia no generan aún relaciones claras entre las
intensidades para los diferentes tipos de lesiones. Esto podría deberse a diferentes
fallas en la técnica, como el lugar de la medición, ya que la localización de la punta
sobre la lesión era imprecisa debido al diámetro de la fibra óptica y la presión ejercida
de la sonda sobre la lesión podía variar de medición a medición. Este método podría no
ser de utilidad en lesiones menores de 1 cm debido al tamaño de la sonda [3.1].
Capítulo 3. Mediciones
M. en C. en Ingeniería Electrónica 52
Referencias
[3.1].S. Arroyo, J. Domínguez, J. Contreras, D. Fabila, A. Escobar, S. Stolik, J. de la
Rosa (2014). Características de la espectroscopia y las imágenes con luz blanca y
ultravioleta en pacientes con cáncer de piel melanoma y no melanoma. Reporte
interno, Hospital General “Dr. Manuel Gea González”.
[3.2].Susanne Astner and Rox Anderson (2004). Skin Phototypes 2003, Wellman
Laboratories of Photomedicine, Massachusetts General Hospital, Boston,
Massachusetts, USA, Journal of Investigative Dermatology (2004) 122, xxx–xxxi;
doi:10.1046/j.1523-1747.2003.22251.x
[3.3].H. Ando, Y. Niki, M. Ito, K. Akiyama, M, S. Matsui, D. B. Yarosh and M.
Ichihashi, “Melanosomes are transferred from melanocytes to keratinocytes
through the processes of packaging, release, uptake, and dispersion”, Journal of
Investigative Dermatology 132, 2012, pp. 1222-12299
[3.4].J. Y. Lin, D. E. Fisher, “Melanocyte biology and skin pigmentation” Nature 445,
2007, pp.843-850.
[3.5].K. P. Nielsen, L. Zhao, J. J. Stamnes, K. Stamnes, J. Moan, “The optics of human
skin: Aspects important for human health”, Solar Radiation for Human Healt, The
Noruegan Academy of Science and Letters, 2008, pp. 35-46.
[3.6].T. Balois, C. Chatelain, M. Ben Amar “Patterns in melanocytic lesions: impact of
the geometry and growth and transport inside the epidermis” J. R. Soc. Interface
11: 2014.0339
[3.7].P. G. Lang y J. C. Maize “Carcinoma basocelular” en Cáncer de Piel, Editor D. S.
Rigel, Elsevier 2006, Cap. 9
Capítulo 4. Conclusiones
M. en C. en Ingeniería Electrónica 53
Capítulo 4
Conclusiones y trabajo a futuro
4.1 Conclusiones
El objetivo general de este trabajo fue de estudiar lesiones en piel, a partir del análisis
de imágenes digitales con luz blanca y ultravioleta de 365nm y sus respectivos espectros
de reflectancia difusa y fluorescencia. Esto se realizó en pacientes del Hospital Gea
González que asistían a consulta y eran candidatos a realización de biopsia.
En el estudio de imágenes digitales a través de histogramas RGB para conocer la
intensidad de las áreas seleccionadas como lesiones y piel sana, se encontró que la
variación en porcentaje de estas ayuda a diferenciar el melanoma de las otras lesiones
estudiadas (NID pigmentado, CBC pigmentado, CEC, CEC in Situ, NID no pigmentado
y CBC). Lo anterior resulta de primera para lesiones pigmentadas. Las lesiones que se
estudiaron en el análisis de imágenes fueron diagnosticadas a través del estudio de las
biopsias correspondientes.
Se desarrolló software amigable para el análisis de imágenes que permite a los médicos
para hacer cortes en las imágenes digitales correspondientes a la lesión y a piel sana
perilesional. Con estos cortes el software hace el análisis de las imágenes digitales por
medio de histogramas RGB, generando el porcentaje de rojo, verde y azul que hay en
cada área cortada, también proporciona la intensidad total de cada área, la cual es
usada para su comparación entre lesiones con piel sana.
Los resultados y conclusiones dermatológicas son:
• Para imágenes digitales con luz blanca podemos observar que la mayoría de las
lesiones son menos intensas comparadas con piel sana, al utilizar luz UV para
ciertos tipos de padecimientos podemos observar que las lesiones se oscurecen
más que con luz blanca y para otros padecimientos la fluorescencia se hace
presente, dando a las lesiones intensidades mayores que la piel sana.
Capítulo 4. Conclusiones
M. en C. en Ingeniería Electrónica 54
• Es muy importante resaltar que los resultados obtenidos con las
imágenes con luz blanca muestran que se puede diferenciar entre el
melanoma y los nevos melanocíticos. Además, con las imágenes de
luz UV de 365 nm, se puede diferenciar al melanoma de CBC
pigmentado. Por lo anterior proponemos a éste método como un
auxiliar diagnóstico previo a la biopsia, para diferenciar a estas
entidades malignas pigmentadas entre sí. Sin embargo, en este estudio
dado el número limitado de muestras no se encontraron patrones que apoyaran
la diferenciación entre CBC pigmentado y NID pigmentado, por lo que se
sugiere la continuación del estudio.
• En cuanto al CEC, la intensidad de la lesión con fluorescencia fue mayor que la
del tejido sano en pacientes con fototipo IV. No fue así en las otras lesiones,
incluido el CEC in-situ. En el caso de pacientes con fototipo III, tanto la
intensidad con luz blanca como de la fluorescencia de la lesión fueron mayores
que la del tejido sano.
• En este estudio observamos que la espectroscopia de fluorescencia podría
ayudar a diferenciar lesiones pigmentadas de no pigmentadas. La reflectancia
difusa podría diferenciar nevos melanocíticos del melanoma. La espectroscopia
de fluorescencia y reflectancia difusa no mostraron por el momento patrones
específicos para cada lesión, por lo que se requieren más estudios para
demostrar su uso.
• Una comparación de ambas técnicas en relación a lesiones pigmentadas da
como resultado su congruencia. En la tabla3.12 se observa que la intensidad del
melanoma con luz blanca va de -88 a -62, el NID pigmentado va de -61 a -30, y
el NID no pigmentado esta en -15 (un paciente). En otras palabras el melanoma
es más obscuro que el NID pigmentado, El NID no pigmentado es el más claro
de los tres. Al comparar la reflectancia difusa (esto es el espectro producido con
luz blanca) para el melanoma y para el NID pigmentado (ver figuras 3.43 y
3.42), se observa que en promedio la reflectancia es mayor para el NID
pigmentado. Las curvas se mantienen para el melanoma por debajo de 0.1 hasta
600 nm y son casi paralelas al eje horizontal. En promedio para el NID
pigmentado estas curvas aumentan prácticamente en una recta inclinada y
están por arriba de las curvas del melanoma.
Capítulo 4. Conclusiones
M. en C. en Ingeniería Electrónica 55
En conclusión el NID pigmentado tiene más intensidad que el melanoma. Este
comportamiento es el que se observa con las intensidades que se calculan con
los espectrogramas de las fotografías. En conclusión, tanto con la reflectancia
difusa como con las fotografías se aprecia que el NID pigmentado refleja más
luz que el melanoma (ó que el NID pigmentado es más claro que el melanoma).
Las conclusiones sobre las técnicas usadas son:
• Las ventaja del uso de la fotografía digital y el software desarrollado sobre las
técnicas espectroscópicas aquí usadas radica en que la zona a analizar se elige
con gran precisión y alta resolución, no hay influencia de la presión sobre el
tejido y con la misma iluminación se puede comparar diferentes zonas (lesión,
perilesión y piel aparentemente sana). Esto podría ayudar a encontrar lesiones
que no sean perceptibles a simple vista, así como orientar al clínico en la
elección del sitio de la biopsia.
• Los inconvenientes encontrados durante la toma de las imágenes de
fluorescencia, fueron que el uso de calcetines, algodón o vendajes, desprendían
fibras milimétricas que resaltaban en las imágenes por fluorescencia. Además,
las imágenes de gran tamaño y las que se encontraban en regiones pilosas,
dificultaron la toma de fotografías y las mediciones de intensidad.
• Las diferencias de intensidad luminosa de las lesiones respecto al tejido sano
fueron más evidentes con el uso de fotografía, tanto de luz blanca como de luz
ultravioleta. Siendo este un método más accesible, económico y fácil de usar que
podría ser de gran utilidad en centros de referencia de estos padecimientos.
4.2 Mejoras en fotografías digitales de lesiones en piel.
Durante el desarrollo de esta investigación se realizaron mejoras a la propuesta inicial
de este trabajo para lograr fotografías digitales de mayor calidad,
Las principales dificultades que se tuvieron para la toma de imágenes fueron las de
contar con una fuente de iluminación homogénea dentro el área a interés, y las de
lograr una fotografía bien enfocada.
Capítulo 4. Conclusiones
M. en C. en Ingeniería Electrónica 56
La iluminación propuesta inicialmente fue con un solo LED, con el cual se podía
iluminar con un solo ángulo de irradiación, esto generaba sombras en lesiones que
tenían texturas que sobresalían de la piel sana, en el análisis de imágenes se perdía la
información bajo las sombras, así que se decidió por una iluminación concéntrica a
través de un aro de iluminación de varios LEDs alrededor del lente de la cámara digital
[4.1, 4.2].
Estudiando el patrón de irradiación de los LEDs seleccionados para esta mejora se
determinó el ángulo de inclinación con el cual estos se deben instalar en el aro para
proporcionar luz homogénea, esto se realizó con LEDs de luz blanca y luz UV de 375
nm. [4.2]
Se cambió la cámara digital por una D5100 de Nikon, el tamaño del sensor es de
23.6mm x 15.6mm, 16.2 millones de píxeles reales en cada fotografía, se almacenan las
imágenes en memoria SD, la sensibilidad ISO es de 100 – 6400, el obturador es de
plano focal de recorrido vertical controlado electrónicamente [4.3].
Figura 4.1, Cámara Nikon D5100.
El aro se fabricó en Nylamid de 8 cm de diámetro externo, 6 cm de diámetro interno,
con una altura de 1.2 cm, se utilizaron 12 LEDs de luz blanca VAOL-3LWY4 de la firma
VCC OPTOELECTRONICS con una potencia óptica de 3.5 mW cada LED [4.4]
colocados a una misma distancia, en un diámetro de 7.5 cm con un ángulo de
inclinación de 22° al centro del aro [4.2], se utilizaron 12 LEDs de luz UV de 375 nm,
NSPU510CS de la firma NICHIA CORPORATION, con potencia óptica de 7.5 mW de
cada LED [4.5],colocados a una misma distancia, en un diámetro de 6.5 cm con un
ángulo de inclinación de 16° al centro del aro (ver figura 4.2)[4.2].
Capítulo 4. Conclusiones
M. en C. en Ingeniería Electrónica 57
Figura 4.2, Equipo para tomar fotografías con luz blanca y luz UV.
Las fotografías se tomaron a 3 cm de distancia de la lesión al aro de iluminación que se
acopló al lente de la cámara, se lograron fotografías digitales de luz blanca y luz UV con
esta mejora, a los últimos 5 pacientes del proyecto en colaboración con el Hospital Gea
González (pacientes 46, 47, 48, 49 y 50), estas imágenes se incluyeron en el estudio
dado que la muestra general era reducida.
4.3 Recomendaciones para el trabajo a futuro.
• Se requiere hacer una normalización de la técnica fotográfica con el nuevo
sistema de iluminación, esto debe incluir, distancias de iluminación, potencias
ópticas, distancias de la lesión a la cámara, iluminación del lugar donde se
realiza el estudio, preparación del paciente, etc.
• Continuar con nuevos protocolos con hospitales para tener un mayor número de
muestras para cada padecimiento específico, y así llevar un control estadístico
con datos útiles que nos proporcione la confianza del sistema.
• Seguir trabajando en el procesado de los espectros obtenidos y su correlación
con los diagnósticos médicos.
• Investigar con iluminación violeta que permite observar zonas de
vascularización, por la banda de absorción de Soret.
• Abordar el procesado de las imágenes a través de la colorimetría para
aprovechar los desarrollos más recientes en estas técnicas, usando por ejemplo
la norma SCIELAB.
Capítulo 4. Conclusiones
M. en C. en Ingeniería Electrónica 58
Referencias
[4.1].Solesio Pilarte, Lorda Barraguer, Laredo Ortiz, Rubio Verdú, (2009).
“Estandarización fotográfica en Cirugía Plástica y Estética”. Cirugía plástica
iberolatinoamericana. Vol. 35 Nº 2, Abril Mayo Junio 2009 / Pág. 79-90.
[4.2].Rojas Elder (2012), “Diseño y construcción de un dermatoscopio digital”, Tesis,
IPN, SEPI- ESIME ZAC.
[4.3].Nikon, “Características D5100”
http://www.nikon.com.mx/Nikon-Products/Product-Archive/Digital-SLR-
Cameras/D5100.html
[4.4].VCC OPTOELECTRONICS., “VAOL-3LWY4 Datasheet”
http://vcclite.com/_pdf/VAOL-3LWY4-LED-3mm-white.pdf
[4.5].Nichia Corp., “NSPU510CS Datasheet”.
http://www.nichia.co.jp/specification/products/led/NSPU510CS-E.pdf
Apéndices
M. en C. en Ingeniería Electrónica 59
I. Código fuente del PIC18F2550 para el control de la fuente de luz.
<<Se incluyen librerías>> #include <18f2550.h> #fuses XT,NOWDT,NOPROTECT,NOLVP #use delay(clock= 4000000) #include "LCD.c" #include "KBD.c" #include "LTC1257.c" <<función para leer números del teclado>> int16 LeerCadenaTeclado(){ char cValor; int16 iValor = 0; do { cValor = kbd_getc(); if(cValor == 0) continue; if(cValor != '*' && cValor != '#') { iValor = (iValor*10) + (cValor - 48); } else if(cValor != '#') { iValor = iValor / 10; } printf(lcd_putc,"\nVal: %ld ", iValor); } while(cValor != '#'); printf(lcd_putc,"\nVal: %ld",iValor); delay_ms(50); return iValor; } <<inicia el programa declarando variables>> void main() { int16 iLed; int16 iNivel; lcd_init(); kbd_init(); init_dac(); port_b_pullups(TRUE); write_dac(4095); while (TRUE) { <<Se escoge el LED blanco ó UV teniendo 16 niveles para el blanco de 100mW por nivel hasta llegar a 1.6W, y para el UV son 20 niveles de 50mW por nivel hasta llegar a 1W>> iNivel=1; lcd_putc("\fLuz B=1, UV=2\n"); delay_ms(500); iLed = LeerCadenaTeclado(); if (iLed==1) { while (iNivel != 0) { lcd_putc("\fB (0 - 16)="); delay_ms(500); iNivel = LeerCadenaTeclado();
switch (iNivel) { case 0: write_dac(4095); break; case 1: write_dac(3219); lcd_putc("\fB 1 = 100mW"); delay_ms(500); break; case 2: write_dac(3052); lcd_putc("\fB 2 = 200mW"); delay_ms(500); break; case 3: write_dac(2880); lcd_putc("\fB 3 = 300mW"); delay_ms(500); break; case 4: write_dac(2705); lcd_putc("\fB 4 = 400mW"); delay_ms(500); break; case 5: write_dac(2526); lcd_putc("\fB 5 = 500mW"); delay_ms(500); break; case 6: write_dac(2342); lcd_putc("\fB 6 = 600mW"); delay_ms(500); break; case 7: write_dac(2153); lcd_putc("\fB 7 = 700mW"); delay_ms(500); break; case 8: write_dac(1958); lcd_putc("\fB 8 = 800mW"); delay_ms(500); break; case 9: write_dac(1758); lcd_putc("\fB 9 = 900mW"); delay_ms(500); break; case 10: write_dac(1552); lcd_putc("\fB 10 = 1W"); delay_ms(500); break; case 11: write_dac(1338); lcd_putc("\fB 11 = 1.1W"); delay_ms(500); break; case 12: write_dac(1116); lcd_putc("\fB 12 = 1.2W"); delay_ms(500); break; case 13: write_dac(886); lcd_putc("\fB 13 = 1.3W"); delay_ms(500); break; case 14: write_dac(645);
Apéndices
M. en C. en Ingeniería Electrónica 60
lcd_putc("\fB 14 = 1.4W"); delay_ms(500); break; case 15: write_dac(394); lcd_putc("\fB 15 = 1.5W"); delay_ms(500); break; case 16: write_dac(129); lcd_putc("\fB 16 = 1.6W"); delay_ms(500); break; default: lcd_putc("\fNo encontrado"); delay_ms(500); break; } } } if (iLed==2) { while (iNivel != 0) { lcd_putc("\fUV (0 - 20)="); delay_ms(500); iNivel = LeerCadenaTeclado(); switch (iNivel) { case 0: write_dac(4095); break; case 1: write_dac(3329); lcd_putc("\fUV 1 = 50mW\nT = 63m 0s"); delay_ms(500); break; case 2: write_dac(3255); lcd_putc("\fUV 2 = 100mW\nT = 31m 30s"); delay_ms(500); break; case 3: write_dac(3177); lcd_putc("\fUV 3 = 150mW\nT = 20m 57s"); delay_ms(500); break; case 4: write_dac(3097); lcd_putc("\fUV 4 = 200mW\nT = 15m 43s"); delay_ms(500); break; case 5: write_dac(3016); lcd_putc("\fUV 5 = 250mW\nT = 12m 36s"); delay_ms(500); break; case 6: write_dac(2932); lcd_putc("\fUV 6 = 300mW\nT = 10m 30s"); delay_ms(500); break; case 7: write_dac(2844); lcd_putc("\fUV 7 = 350mW\nT = 8m 59s"); delay_ms(500); break; case 8: write_dac(2754); lcd_putc("\fUV 8 = 400mW\nT = 7m 52s"); delay_ms(500); break; case 9:
write_dac(2661); lcd_putc("\fUV 9 = 450mW\nT = 7m 0s"); delay_ms(500); break; case 10: write_dac(2563); lcd_putc("\fUV 10 = 500mW\nT = 6m 18s"); delay_ms(500); break; case 11: write_dac(2462); lcd_putc("\fUV 11 = 550mW\nT = 5m 43s"); delay_ms(500); break; case 12: write_dac(2355); lcd_putc("\fUV 12 = 600mW\nT = 5m 15s"); delay_ms(500); break; case 13: write_dac(2242); lcd_putc("\fUV 13 = 650mW\nT = 4m 50s"); delay_ms(500); break; case 14: write_dac(2122); lcd_putc("\fUV 14 = 700mW\nT = 4m 30s"); delay_ms(500); break; case 15: write_dac(1993); lcd_putc("\fUV 15 = 750mW\nT = 4m 12s"); delay_ms(500); break; case 16: write_dac(1855); lcd_putc("\fUV 16 = 800mW\nT = 3m 56s"); delay_ms(500); break; case 17: write_dac(1702); lcd_putc("\fUV 17 = 850mW\nT = 3m 42s"); delay_ms(500); break; case 18: write_dac(1531); lcd_putc("\fUV 18 = 900mW\nT = 3m 30s"); delay_ms(500); break; case 19: write_dac(1331); lcd_putc("\fUV 19 = 950mW\nT = 3m 19s"); delay_ms(500); break; case 20: write_dac(1081); lcd_putc("\fUV 20= 1W\nT = 3m 9s"); delay_ms(500); break; default: lcd_putc("\fNo encontrado"); delay_ms(500); break; } } } else if(iLed != 1 && iLed != 2) { lcd_putc("\fSolo 1 o 2"); delay_ms(500); } } }
Apéndices
M. en C. en Ingeniería Electrónica 61
II. Software para el análisis de imágenes digitales.
Se desarrolló una interfaz programada en MATLAB para el análisis RGB de imágenes
digitales con luz blanca y con luz UV, en la figura AII.1, se muestra el panel principal.
Figura AII.1, Panel principal del programa desarrollado.
Para realizar el estudio de imágenes digitales con luz blanca y luz UV, la interfaz cuenta
con varios botones, funciones, áreas para mostrar imágenes, gráficas, resultados e
inserción de texto. Para el uso correcto de la interfaz, a continuación se dará una breve
explicación de su funcionamiento:
1. Nuevo. Este botón tiene la función de limpiar toda la interfaz de imágenes,
gráficas y textos. Se recomienda que se active al comenzar el análisis en un
paciente nuevo.
2. Cargar Img. Se carga la imagen y la muestra en “A, E, I”. Se selecciona el
directorio donde se encuentra la imagen deseada, dar clic en “Abrir”.(ver figura
AII.2)
Apéndices
M. en C. en Ingeniería Electrónica 62
Figura AII.2, Cargar imagen en A, E, I.
3. Cortar Img. Si es necesario visualizar mejor el área a analizar se puede
acercar, alejar y mover la imagen “A”, con las herramientas en “11”. La imagen
mostrada en “A” se cortará de forma poligonal a través de establecer puntos con
el clic izquierdo del mouse, al cerrar el polígono se debe posicionar el puntero
dentro del área del polígono formado, dar clic derecho y seleccionar “Create
Mask”. El área no seleccionada se pondrá en negro, y sólo será visible el área
seleccionada, mostrándose en “A”.(ver figura AII.3)
(a) (b)
Figura AII.3, Cortar imagen en A, (a) formar polígono, (b) resultado del corte
Apéndices
M. en C. en Ingeniería Electrónica 63
4. Recortar. Si el área que se cortó en la imagen es muy pequeña y no se puede
visualizar se puede usar esta función, en el área se posiciona el cursor del mouse
dando clic izquierdo y sin soltar seleccionar el área formando un rectángulo, se
posiciona el cursor del mouse dentro del área seleccionada, dar clic derecho y
seleccionar “Crop Image”. El área seleccionada se hará más grande y se
visualizará en “A”. (ver figura AII.4)
(a) (b)
Figura AII.4, Recortar imagen en A, (a) seleccionar área a recortar, (b) resultado del recorte
5. Cargar Img. Cuando se requiera utilizar imágenes del Tejido B previamente
cortadas se carga la imagen y la muestra en “E”. Se selecciona el directorio
donde se encuentra la imagen deseada, dar clic en “Abrir”.
6. Polígono. El polígono que se construyó en el Tejido A, se formará en la misma
área en “E”, para moverlo a otra área a comparar, es necesario posicionar el
cursor del mouse en el centro del polígono, se sujeta dando clic izquierdo y se
mueve al área deseada. (ver figura AII.5)
Figura AII.5, Polígono en Tejido B.
Apéndices
M. en C. en Ingeniería Electrónica 64
7. Cortar Img. Cuando el polígono ya esté posicionado en el área deseada, esta
función corta el área de la imagen del Tejido B y lo muestra en “E”.(ver figura
AII.6)
Figura AII.6, Cortar Imagen en Tejido B.
8. Recortar. Si el área que se cortó en la imagen es muy pequeña y no se puede
visualizar se puede usar esta función, en el área se posiciona el cursor del mouse
dando clic izquierdo y sin soltar seleccionar el área formando un rectángulo, se
posiciona el cursor del mouse dentro del área seleccionada, dar clic derecho y
seleccionar “Crop Image”. El área seleccionada se hará más grande y se
visualizará en “E”. (ver figura AII.7)
(a) (b)
Figura AII.7, Recortar imagen en B, (a) seleccionar área a recortar, (b) resultado del recorte
9. Hist RGB. Se forman histogramas rojo, verde y azul, del área cortada, se
muestra el resultado en “B, C, D” para el Tejido A, y se muestra el resultado en
“F, G, H” para el Tejido B, (ver figura AII.8). En “ii” se muestran los valores de
Pixel por Nivel de Intensidad, porcentaje representado con respecto a la suma
de PNI de los 3 canales RGB, Media y Máximo pixel, para histogramas
correspondientes al Tejido A.
Apéndices
M. en C. en Ingeniería Electrónica 65
En “iii” se muestran el mismo estudio que en “ii”, pero para el Tejido B.
Figura AII.8, Histogramas RGB Tejido A y B.
En “iv”, se muestran los valores de Pixel por Nivel de Intensidad de cada
histograma RGB, Total de la Suma y el porcentaje contenido de cada canal RGB
para el Tejido A y para el Tejido B.
10. Cargar Img. Cuando se requiera utilizar imágenes del Tejido A y B
previamente cortadas y ya se hayan cargado en “A” y “E” respectivamente, se
necesita cargar la imagen original para saber cuál es la referencia de los cortes.
Se selecciona el directorio donde se encuentra la imagen deseada, dar clic en
“Abrir”, y se muestra en “I”.
11. Herramientas. En todo tiempo se pueden usar las herramientas para
acercar, alejar o mover la imagen. Para utilizar estas herramientas es
importante seleccionarlas para usarlas y deseleccionarlas para ya no usarlas y
seguir con la acción en curso (cortar, polígono, recortar).
Apéndices
M. en C. en Ingeniería Electrónica 66
12. Guardar. Se guardarán las imágenes (original, Tejido A y Tejido B),
histogramas (RGB del Tejido A y RGB del Tejido B), datos del paciente (No. De
Expediente, Nombre, Sexo, Edad, Lugar de lesión, Posible Diagnóstico) y datos
resultantes (PNI, %, media, pixel máximo, comparación, total). Se debe
seleccionar el directorio donde se desea guardar, introducir el nombre del
archivo y dar clic en guardar.
Apéndices
M. en C. en Ingeniería Electrónica 67
III. Código fuente del software de análisis de imágenes. Para programar la interfaz gráfica en MATLAB para analizar las imágenes digitales de lesiones se utilizó GUIDE, y se escribieron las funciones a realizar. function varargout = ComparacionImagenes6(varargin) % COMPARACIONIMAGENES6 MATLAB code for ComparacionImagenes6.fig % COMPARACIONIMAGENES6, by itself, creates a new COMPARACIONIMAGENES6 or raises the existing % singleton*. % % H = COMPARACIONIMAGENES6 returns the handle to a new COMPARACIONIMAGENES6 or the handle to % the existing singleton*. % % COMPARACIONIMAGENES6('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in COMPARACIONIMAGENES6.M with the given input arguments. % % COMPARACIONIMAGENES6('Property','Value',...) creates a new COMPARACIONIMAGENES6 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before ComparacionImagenes6_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to ComparacionImagenes6_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help ComparacionImagenes6 % Last Modified by GUIDE v2.5 16-Jun-2014 12:24:52 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @ComparacionImagenes6_OpeningFcn, ... 'gui_OutputFcn', @ComparacionImagenes6_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before ComparacionImagenes6 is made visible. function ComparacionImagenes6_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.
% hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to ComparacionImagenes6 (see VARARGIN) % Choose default command line output for ComparacionImagenes6 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes ComparacionImagenes6 wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = ComparacionImagenes6_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) try [filename,pathname] = uigetfile('*.jpg','Selecciona imagen para abrir'); if isequal(filename,0) %Do nothing yet else handles.myImage = imread(fullfile(pathname, filename)); handles.myImage2 = imread(fullfile(pathname, filename)); image(handles.myImage, 'Parent', handles.axes1); image(handles.myImage, 'Parent', handles.axes12); image(handles.myImage2, 'Parent', handles.axes5); end guidata(hObject, handles); catch msgbox('Error') end % --- Executes on button press in pushbutton2.
Apéndices
M. en C. en Ingeniería Electrónica 68
function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); f = handles.myImage; axes(handles.axes1) [mask, handles.c, handles.r] = roipoly(f); red = immultiply(mask, f(:,:,1)); green = immultiply(mask, f(:,:,2)); blue = immultiply(mask, f(:,:,3)); handles.myImage = cat(3, red, green, blue); image(handles.myImage, 'Parent', handles.axes1); guidata(hObject, handles); % --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) try [filename,pathname] = uigetfile('*.jpg','Selecciona imagen para abrir'); if isequal(filename,0) %Do nothing yet else handles.myImage2 = imread(fullfile(pathname, filename)); image(handles.myImage2, 'Parent', handles.axes5); end guidata(hObject, handles); catch msgbox('Error') end % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); f = handles.myImage2; axes(handles.axes5) handles.h_im = imshow(f); handles.poly= impoly(gca, [handles.c, handles.r]); guidata(hObject, handles); % --- Executes on button press in pushbutton7. function pushbutton7_Callback(hObject, eventdata, handles) % hObject handle to pushbutton7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles);
%-------Datos Histograma Rojo Tejido A [m n] = size(handles.myImage(:,:,1)); A = zeros(1,255); redPlane = handles.myImage(:,:,1); for i=1:m for j=1:n if redPlane(i,j)>0; k=redPlane(i,j); A(1,k)=A(1,k)+1; end end end s1=0; s2=0; for j=1:255 k=A(1,j); s1=s1+k; s2=s2+(k*j); end handles.PNI1r=s2; handles.Media1r=s2/s1; handles.maxpix1r=max(A); set(handles.text9,'String', handles.PNI1r); set(handles.text58,'String', handles.PNI1r); set(handles.text11,'String', handles.Media1r); set(handles.text12,'String', handles.maxpix1r); %-------------------------------------------------------------- %Datos Histograma Verde Tejido A [m1 n1] = size(handles.myImage(:,:,2)); A1 = zeros(1,255); greenPlane = handles.myImage(:,:,2); for i=1:m1 for j=1:n1 if greenPlane(i,j)>0; k=greenPlane(i,j); A1(1,k)=A1(1,k)+1; end end end s3=0; s4=0; for j=1:255 k=A1(1,j); s3=s3+k; s4=s4+(k*j); end handles.PNI1g=s4; handles.Media1g=s4/s3; handles.maxpix1g=max(A1); set(handles.text13,'String', handles.PNI1g); set(handles.text59,'String', handles.PNI1g); set(handles.text15,'String', handles.Media1g); set(handles.text16,'String', handles.maxpix1g); %Datos Histograma Azul Tejido A [m2 n2] = size(handles.myImage(:,:,3)); A2 = zeros(1,255);
Apéndices
M. en C. en Ingeniería Electrónica 69
bluePlane = handles.myImage(:,:,3); for i=1:m2 for j=1:n2 if bluePlane(i,j)>0; k=bluePlane(i,j); A2(1,k)=A2(1,k)+1; end end end s5=0; s6=0; for j=1:255 k=A2(1,j); s5=s5+k; s6=s6+(k*j); end handles.PNI1b=s6; handles.Media1b=s6/s5; handles.maxpix1b=max(A2); set(handles.text17,'String', handles.PNI1b); set(handles.text60,'String', handles.PNI1b); set(handles.text19,'String', handles.Media1b); set(handles.text20,'String', handles.maxpix1b); %porcentaje EN TEJIDO A--------------------------------- handles.sum = handles.PNI1r + handles.PNI1g + handles.PNI1b; handles.P1r = ((handles.PNI1r*100)/handles.sum); handles.P1g = ((handles.PNI1g*100)/handles.sum); handles.P1b = ((handles.PNI1b*100)/handles.sum); set(handles.text65,'String', handles.sum); set(handles.text10,'String', handles.P1r); set(handles.text69,'String', handles.P1r); set(handles.text14,'String', handles.P1g); set(handles.text70,'String', handles.P1g); set(handles.text18,'String', handles.P1b); set(handles.text71,'String', handles.P1b); %Datos Histograma Rojo Tejido B [m n] = size(handles.myImage2(:,:,1)); B = zeros(1,255); redPlane = handles.myImage2(:,:,1); for i=1:m for j=1:n if redPlane(i,j)>0; k=redPlane(i,j); B(1,k)=B(1,k)+1; end end end s7=0; s8=0; for j=1:255 k=B(1,j); s7=s7+k; s8=s8+(k*j); end handles.PNI2r=s8; handles.Media2r=s8/s7; handles.maxpix2r=max(B);
set(handles.text21,'String', handles.PNI2r); set(handles.text62,'String', handles.PNI2r); set(handles.text23,'String', handles.Media2r); set(handles.text24,'String', handles.maxpix2r); %-------------------------------------------------------------- %Datos Histograma Verde Tejido A [m1 n1] = size(handles.myImage2(:,:,2)); B1 = zeros(1,255); greenPlane = handles.myImage2(:,:,2); for i=1:m1 for j=1:n1 if greenPlane(i,j)>0; k=greenPlane(i,j); B1(1,k)=B1(1,k)+1; end end end s9=0; s10=0; for j=1:255 k=B1(1,j); s9=s9+k; s10=s10+(k*j); end handles.PNI2g=s10; handles.Media2g=s10/s9; handles.maxpix2g=max(B1); set(handles.text25,'String', handles.PNI2g); set(handles.text63,'String', handles.PNI2g); set(handles.text27,'String', handles.Media2g); set(handles.text28,'String', handles.maxpix2g); %Datos Histograma Azul Tejido A [m2 n2] = size(handles.myImage2(:,:,3)); B2 = zeros(1,255); bluePlane = handles.myImage2(:,:,3); for i=1:m2 for j=1:n2 if bluePlane(i,j)>0; k=bluePlane(i,j); B2(1,k)=B2(1,k)+1; end end end s11=0; s12=0; for j=1:255 k=B2(1,j); s11=s11+k; s12=s12+(k*j); end handles.PNI2b=s12; handles.Media2b=s12/s11; handles.maxpix2b=max(B2); set(handles.text29,'String', handles.PNI2b); set(handles.text64,'String', handles.PNI2b); set(handles.text31,'String', handles.Media2b); set(handles.text32,'String', handles.maxpix2b);
Apéndices
M. en C. en Ingeniería Electrónica 70
%porcentaje-EN B-------------------------------- handles.sum2 = handles.PNI2r + handles.PNI2g + handles.PNI2b; handles.P2r = ((handles.PNI2r*100)/handles.sum2); handles.P2g = ((handles.PNI2g*100)/handles.sum2); handles.P2b = ((handles.PNI2b*100)/handles.sum2); set(handles.text66,'String', handles.sum2); set(handles.text22,'String', handles.P2r); set(handles.text72,'String', handles.P2r); set(handles.text26,'String', handles.P2g); set(handles.text73,'String', handles.P2g); set(handles.text30,'String', handles.P2b); set(handles.text74,'String', handles.P2b); % MAXIMO DE Y EN GRÀFICA maxA = max(A); maxA1 = max(A1); maxA2 = max(A2); maxB = max(B); maxB1 = max(B1); maxB2 = max(B2); Y = [maxA, maxA1, maxA2, maxB, maxB1, maxB2]; Ymax = max(Y)+50; %GRAFICAS DE LOS HISTOGRAMAS RGB Tejido A %ROJO--------------------------- axes(handles.axes2) bar(A, 'r') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel R' ); xlim([0 255]) ylim([0 Ymax]) gridon %VERDE------------------------------- axes(handles.axes3) bar(A1, 'g') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel G' ); xlim([0 255]) ylim([0 Ymax]) gridon %AZUL----------------------------------- axes(handles.axes4) bar(A2, 'b') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel B' ); xlim([0 255]) ylim([0 Ymax]) gridon %GRAFICAS DE LOS HISTOGRAMAS RGB Tejido B %ROJO--------------------------- axes(handles.axes6) bar(B, 'r') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel R' ); xlim([0 255]) ylim([0 Ymax]) gridon %VERDE------------------------------- axes(handles.axes7) bar(B1, 'g')
xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel G' ); xlim([0 255]) ylim([0 Ymax]) gridon %AZUL----------------------------------- axes(handles.axes8) bar(B2, 'b') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel B' ); xlim([0 255]) ylim([0 Ymax]) gridon guidata(hObject, handles); % --- Executes on button press in pushbutton9. function pushbutton9_Callback(hObject, eventdata, handles) % hObject handle to pushbutton9 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); f = handles.myImage2; axes(handles.axes5) mask = createMask(handles.poly, handles.h_im); red = immultiply(mask, f(:,:,1)); green = immultiply(mask, f(:,:,2)); blue = immultiply(mask, f(:,:,3)); handles.myImage2 = cat(3, red, green, blue); image(handles.myImage2, 'Parent', handles.axes5); guidata(hObject, handles); function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double guidata(hObject, handles); handles.exp = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit3_Callback(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB
Apéndices
M. en C. en Ingeniería Electrónica 71
% handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit3 as text % str2double(get(hObject,'String')) returns contents of edit3 as a double guidata(hObject, handles); handles.nombre = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit3_CreateFcn(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit4_Callback(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit4 as text % str2double(get(hObject,'String')) returns contents of edit4 as a double guidata(hObject, handles); handles.sexo = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit4_CreateFcn(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit5_Callback(hObject, eventdata, handles) % hObject handle to edit5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit5 as text % str2double(get(hObject,'String')) returns contents of edit5 as a double guidata(hObject, handles);
handles.edad = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit5_CreateFcn(hObject, eventdata, handles) % hObject handle to edit5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit6_Callback(hObject, eventdata, handles) % hObject handle to edit6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit6 as text % str2double(get(hObject,'String')) returns contents of edit6 as a double guidata(hObject, handles); handles.lesion = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit6_CreateFcn(hObject, eventdata, handles) % hObject handle to edit6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit7_Callback(hObject, eventdata, handles) % hObject handle to edit7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit7 as text % str2double(get(hObject,'String')) returns contents of edit7 as a double guidata(hObject, handles); handles.diagd = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit7_CreateFcn(hObject, eventdata, handles) % hObject handle to edit7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called
Apéndices
M. en C. en Ingeniería Electrónica 72
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end % --- Executes on button press in pushbutton11. function pushbutton11_Callback(hObject, eventdata, handles) % hObject handle to pushbutton11 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); % Guardar archivos formatos = {'*.jpg','JPEG (*.jpg)';'*.tif','TIFF (*.tif)';'*.bmp','BMP (*.bmp)'}; [nomb,handles.ruta] = uiputfile(formatos,'Guardar Imágenes del Paciente'); if nomb==0, return, end nomb1=strcat('A-',nomb); nomb2=strcat('HRA-',nomb); nomb3=strcat('HVA-',nomb); nomb4=strcat('HAA-',nomb); nomb5=strcat('B-',nomb); nomb6=strcat('HRB-',nomb); nomb7=strcat('HVB-',nomb); nomb8=strcat('HAB-',nomb); nomb9=strcat('IO-',nomb); fName1 = fullfile(handles.ruta,nomb1); fName5 = fullfile(handles.ruta,nomb5); fName9 = fullfile(handles.ruta,nomb9); %Imagen Tejido A f1 = getimage(handles.axes1); if isempty(f1), return, end imwrite(f1,fName1); % HISTOGRAMA ROJO TEJIDO A f2=figure('visible','off'); f2new=copyobj(handles.axes2, f2); title('Histograma Rojo Tejido A','Fontname','Helvetica','Fontsize',12) set(f2new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f2,[handles.ruta nomb2]) close(f2) % HISTOGRAMA VERDE TEJIDO A f3=figure('visible','off'); f3new=copyobj(handles.axes3, f3); title('Histograma Verde Tejido A','Fontname','Helvetica','Fontsize',12) set(f3new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f3,[handles.ruta nomb3]) close(f3) % HISTOGRAMA AZUL TEJIDO A f4=figure('visible','off'); f4new=copyobj(handles.axes4, f4); title('Histograma Azul Tejido A','Fontname','Helvetica','Fontsize',12) set(f4new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f4,[handles.ruta nomb4]) close(f4)
%Imagen Tejido B f5 = getimage(handles.axes5); if isempty(f5), return, end imwrite(f5,fName5); % HISTOGRAMA ROJO TEJIDO B f6=figure('visible','off'); f6new=copyobj(handles.axes6, f6); title('Histograma Rojo Tejido B','Fontname','Helvetica','Fontsize',12) set(f6new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f6,[handles.ruta nomb6]) close(f6) % HISTOGRAMA VERDE TEJIDO B f7=figure('visible','off'); f7new=copyobj(handles.axes7, f7); title('Histograma Verde Tejido B','Fontname','Helvetica','Fontsize',12) set(f7new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f7,[handles.ruta nomb7]) close(f7) % HISTOGRAMA AZUL TEJIDO B f8=figure('visible','off'); f8new=copyobj(handles.axes8, f8); title('Histograma Azul Tejido B','Fontname','Helvetica','Fontsize',12) set(f8new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f8,[handles.ruta nomb8]) close(f8) %Imagen Original f9 = getimage(handles.axes12); if isempty(f9), return, end imwrite(f9,fName9); archivo=strcat(handles.ruta,'\DatosImg.xlsx'); %DATOS DE PACIENTES titulo={'Análisis de Imágenes con luz blanca y luz ultravioleta de 365nm'}; xlswrite(archivo, titulo,'Hoja1', 'B2'); exp={'No. de expediente'}; xlswrite(archivo, exp,'Hoja1', 'B4'); xlswrite(archivo, handles.exp,'Hoja1', 'D4'); nombre={'Nombre'}; xlswrite(archivo, nombre,'Hoja1', 'B5'); xlswrite(archivo, handles.nombre,'Hoja1', 'D5'); sexo={'Sexo'}; xlswrite(archivo, sexo,'Hoja1', 'B6'); xlswrite(archivo, handles.sexo,'Hoja1', 'D6'); edad={'Edad'}; xlswrite(archivo, edad,'Hoja1', 'B7'); xlswrite(archivo, handles.edad,'Hoja1', 'D7'); lesion={'Lugar de Lesión'}; xlswrite(archivo, lesion,'Hoja1', 'B8'); xlswrite(archivo, handles.lesion,'Hoja1', 'D8'); diagd={'Diagnóstico Definitivo'}; xlswrite(archivo, diagd,'Hoja1', 'B9'); xlswrite(archivo, handles.diagd,'Hoja1', 'D9'); tejidoA={'TEJIDO A'}; xlswrite(archivo, tejidoA,'Hoja1', 'B13');
Apéndices
M. en C. en Ingeniería Electrónica 73
%Datos Histograma Rojo Tejido A hra={'HISTOGRAMA ROJO'}; xlswrite(archivo, hra,'Hoja1', 'B15'); PNI1r={'PNI R'}; xlswrite(archivo,PNI1r,'Hoja1', 'C16'); xlswrite(archivo,handles.PNI1r,'Hoja1', 'B16'); xlswrite(archivo,PNI1r,'Hoja1', 'C37'); xlswrite(archivo,handles.PNI1r,'Hoja1', 'B37'); P1r={'Porcentaje R'}; xlswrite(archivo, P1r,'Hoja1', 'C17'); xlswrite(archivo, handles.P1r,'Hoja1', 'B17'); xlswrite(archivo, P1r,'Hoja1', 'C42'); xlswrite(archivo, handles.P1r,'Hoja1', 'B42'); Media1r={'Media'}; xlswrite(archivo, Media1r,'Hoja1', 'C18'); xlswrite(archivo, handles.Media1r,'Hoja1', 'B18'); maxpix1r={'Pixel Máximo'}; xlswrite(archivo, maxpix1r,'Hoja1', 'C19'); xlswrite(archivo, handles.maxpix1r,'Hoja1', 'B19'); %Datos Histograma Verde Tejido A hva={'HISTOGRAMA VERDE'}; xlswrite(archivo, hva,'Hoja1', 'B21'); PNI1g={'PNI G'}; xlswrite(archivo, PNI1g,'Hoja1', 'C22'); xlswrite(archivo, handles.PNI1g,'Hoja1', 'B22'); xlswrite(archivo, PNI1g,'Hoja1', 'C38'); xlswrite(archivo, handles.PNI1g,'Hoja1', 'B38'); P1g={'Porcentaje G'}; xlswrite(archivo, P1g,'Hoja1', 'C23'); xlswrite(archivo, handles.P1g,'Hoja1', 'B23'); xlswrite(archivo, P1g,'Hoja1', 'C43'); xlswrite(archivo, handles.P1g,'Hoja1', 'B43'); Media1g={'Media'}; xlswrite(archivo, Media1g,'Hoja1', 'C24'); xlswrite(archivo, handles.Media1g,'Hoja1', 'B24'); maxpix1g={'Pixel Máximo'}; xlswrite(archivo, maxpix1g,'Hoja1', 'C25'); xlswrite(archivo, handles.maxpix1g,'Hoja1', 'B25'); %Datos Histograma Azul Tejido A haa={'HISTOGRAMA AZUL'}; xlswrite(archivo, haa,'Hoja1', 'B27'); PNI1b={'PNI B'}; xlswrite(archivo, PNI1b,'Hoja1', 'C28'); xlswrite(archivo, handles.PNI1b,'Hoja1', 'B28'); xlswrite(archivo, PNI1b,'Hoja1', 'C39'); xlswrite(archivo, handles.PNI1b,'Hoja1', 'B39'); P1b={'Porcentaje B'}; xlswrite(archivo, P1b,'Hoja1', 'C29'); xlswrite(archivo, handles.P1b,'Hoja1', 'B29'); xlswrite(archivo, P1b,'Hoja1', 'C44'); xlswrite(archivo, handles.P1b,'Hoja1', 'B44'); Media1b={'Media'}; xlswrite(archivo, Media1b,'Hoja1', 'C30'); xlswrite(archivo, handles.Media1b,'Hoja1', 'B30'); maxpix1b={'Pixel Máximo'}; xlswrite(archivo, maxpix1b,'Hoja1', 'C31'); xlswrite(archivo, handles.maxpix1b,'Hoja1', 'B31'); %SUMA PNI Histogramas Tejido A suma={'SUMA PNI RGB Tejido A'}; xlswrite(archivo, suma,'Hoja1', 'B34');
sum={'Suma'}; xlswrite(archivo, sum,'Hoja1', 'C35'); xlswrite(archivo, handles.sum,'Hoja1', 'B35'); %Tejido B tejidoB={'TEJIDO B'}; xlswrite(archivo, tejidoB,'Hoja1', 'E13'); %Datos Histograma Rojo Tejido B hrb={'HISTOGRAMA ROJO'}; xlswrite(archivo, hrb,'Hoja1', 'E15'); PNI2r={'PNI R'}; xlswrite(archivo,PNI2r,'Hoja1', 'F16'); xlswrite(archivo,handles.PNI2r,'Hoja1', 'E16'); xlswrite(archivo,PNI2r,'Hoja1', 'F37'); xlswrite(archivo,handles.PNI2r,'Hoja1', 'E37'); P2r={'Porcentaje R'}; xlswrite(archivo, P2r,'Hoja1', 'F17'); xlswrite(archivo, handles.P2r,'Hoja1', 'E17'); xlswrite(archivo, P2r,'Hoja1', 'F42'); xlswrite(archivo, handles.P2r,'Hoja1', 'E42'); Media2r={'Media'}; xlswrite(archivo,Media2r,'Hoja1', 'F18'); xlswrite(archivo,handles.Media2r,'Hoja1', 'E18'); maxpix2r={'Pixel Máximo'}; xlswrite(archivo, maxpix2r,'Hoja1', 'F19'); xlswrite(archivo, handles.maxpix2r,'Hoja1', 'E19'); %Datos Histograma Verde Tejido B hvb={'HISTOGRAMA VERDE'}; xlswrite(archivo, hvb,'Hoja1', 'E21'); PNI2g={'PNI G'}; xlswrite(archivo, PNI2g,'Hoja1', 'F22'); xlswrite(archivo, handles.PNI2g,'Hoja1', 'E22'); xlswrite(archivo, PNI2g,'Hoja1', 'F38'); xlswrite(archivo, handles.PNI2g,'Hoja1', 'E38'); P2g={'Porcentaje G'}; xlswrite(archivo, P2g,'Hoja1', 'F23'); xlswrite(archivo, handles.P2g,'Hoja1', 'E23'); xlswrite(archivo, P2g,'Hoja1', 'F43'); xlswrite(archivo, handles.P2g,'Hoja1', 'E43'); Media2g={'Media'}; xlswrite(archivo, Media2g,'Hoja1', 'F24'); xlswrite(archivo, handles.Media2g,'Hoja1', 'E24'); maxpix2g={'Pixel Máximo'}; xlswrite(archivo, maxpix2g,'Hoja1', 'F25'); xlswrite(archivo, handles.maxpix2g,'Hoja1', 'E25'); %Datos Histograma Azul Tejido B hab={'HISTOGRAMA AZUL'}; xlswrite(archivo, hab,'Hoja1', 'E27'); PNI2b={'PNI B'}; xlswrite(archivo, PNI2b,'Hoja1', 'F28'); xlswrite(archivo, handles.PNI2b,'Hoja1', 'E28'); xlswrite(archivo, PNI2b,'Hoja1', 'F39'); xlswrite(archivo, handles.PNI2b,'Hoja1', 'E39'); P2b={'Porcentaje B'}; xlswrite(archivo, P2b,'Hoja1', 'F29'); xlswrite(archivo, handles.P2b,'Hoja1', 'E29'); xlswrite(archivo, P2b,'Hoja1', 'F44'); xlswrite(archivo, handles.P2b,'Hoja1', 'E44'); Media2b={'Media'}; xlswrite(archivo, Media2b,'Hoja1', 'F30'); xlswrite(archivo, handles.Media2b,'Hoja1', 'E30');
Apéndices
M. en C. en Ingeniería Electrónica 74
maxpix2b={'Pixel Máximo'}; xlswrite(archivo, maxpix2b,'Hoja1', 'F31'); xlswrite(archivo, handles.maxpix2b,'Hoja1', 'E31'); %SUMA PNI Histogramas Tejido B sumb={'SUMA PNI RGB Tejido B'}; xlswrite(archivo, sumb,'Hoja1', 'E34'); sum2={'Suma'}; xlswrite(archivo, sum2,'Hoja1', 'F35'); xlswrite(archivo, handles.sum2,'Hoja1', 'E35'); guidata(hObject, handles); % --- Executes on button press in pushbutton12. function pushbutton12_Callback(hObject, eventdata, handles) % hObject handle to pushbutton12 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); %resetea los axes cla(handles.axes1, 'reset'); cla(handles.axes2, 'reset'); cla(handles.axes3, 'reset'); cla(handles.axes4, 'reset'); cla(handles.axes5, 'reset'); cla(handles.axes6, 'reset'); cla(handles.axes7, 'reset'); cla(handles.axes8, 'reset'); cla(handles.axes12, 'reset'); %resetea los text set(handles.text9,'String',''); set(handles.text10,'String',''); set(handles.text11,'String',''); set(handles.text12,'String',''); set(handles.text13,'String',''); set(handles.text14,'String',''); set(handles.text15,'String',''); set(handles.text16,'String',''); set(handles.text17,'String',''); set(handles.text18,'String',''); set(handles.text19,'String',''); set(handles.text20,'String',''); set(handles.text21,'String',''); set(handles.text22,'String',''); set(handles.text23,'String',''); set(handles.text24,'String',''); set(handles.text25,'String',''); set(handles.text26,'String',''); set(handles.text27,'String',''); set(handles.text28,'String',''); set(handles.text29,'String',''); set(handles.text30,'String',''); set(handles.text31,'String',''); set(handles.text32,'String',''); set(handles.text58,'String',''); set(handles.text59,'String',''); set(handles.text60,'String',''); set(handles.text62,'String',''); set(handles.text63,'String',''); set(handles.text64,'String',''); set(handles.text65,'String',''); set(handles.text66,'String',''); set(handles.text69,'String',''); set(handles.text70,'String',''); set(handles.text71,'String',''); set(handles.text72,'String',''); set(handles.text73,'String','');
set(handles.text74,'String',''); %resetea los edit set(handles.edit1,'String',''); set(handles.edit3,'String',''); set(handles.edit4,'String',''); set(handles.edit5,'String',''); set(handles.edit6,'String',''); set(handles.edit7,'String',''); guidata(hObject, handles); % --- Executes on button press in pushbutton13. function pushbutton13_Callback(hObject, eventdata, handles) % hObject handle to pushbutton13 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); handles.myImage=imcrop; %selecciona con el mouse la region a recortar image(handles.myImage, 'Parent', handles.axes1); guidata(hObject, handles); % --- Executes on button press in pushbutton14. function pushbutton14_Callback(hObject, eventdata, handles) % hObject handle to pushbutton14 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); handles.myImage2=imcrop; %selecciona con el mouse la region a recortar image(handles.myImage2, 'Parent', handles.axes5); guidata(hObject, handles); % --- Executes on button press in pushbutton15. function pushbutton15_Callback(hObject, eventdata, handles) % hObject handle to pushbutton15 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) try [filename,pathname] = uigetfile('*.jpg','Selecciona imagen para abrir'); if isequal(filename,0) %Do nothing yet else handles.myImage3 = imread(fullfile(pathname, filename)); image(handles.myImage3, 'Parent', handles.axes12); end guidata(hObject, handles); catch msgbox('Error') end