Discusi´ on resultados estudio de investigaci´ on

A partir de los resultados obtenidos por la aplicaci´on y gracias a los investigadores del Servicio de Bioelectromagnetismo se han realizado las siguientes deducciones.

A priori parece que no tiene sentido que a 3 horas sea mayor el ´area en Tratados y que despu´es a 6 horas sea mayor el n´umero de c´elulas migradas tambi´en en Tratados. Esto se debe a lo explicado en el 6, antes de que comience la migraci´on celular en la brecha, los fibroblastos se retraen para coger impulso.

Entonces lo que se cree es que los Tratados hacen antes la fase de retracci´on y posterior migraci´on que los Controles. Por eso a 3 horas el ´area es mayor en Tratados, ya que se est´an retrayendo antes que los Controles. Y luego a 6 horas hay m´as c´elulas migradas en Tratados porque van adelantados en el cierre de brecha.

A 12 horas con el marcador de n´umero de c´elulas migradas no existen diferencias significativas debido a que la brecha est´a demasiado cerrada tanto en Tratados como en Controles. Pero s´ı se puede observar en el gr´afico de cajas y bigotes que en los Tratados el cierre est´a m´as controlado mientras que en Controles existe una mayor dispersi´on (figura 11.1).

11.2. DISCUSI ´ON 95

Figura 11.1: Gr´afico ANOVA 12h marcador de c´elulas migradas

En el proyecto de Fin de Grado de Marina de Andr´es [11] se obtuvo que no hab´ıa diferencias significativas en el cierre de brecha en epidermis entre Tratados y Controles. Aunque se pod´ıa visualizar en los datos un cierto retardo en la migraci´on en Tratados.

Esto se puede deber a que la terapia mejora en cierta manera el cierre de la brecha, retrasando el cierre en epidermis y acelerando el cierre en dermis. De esta forma se cierra primero la capa de la dermis y despu´es la capa de epidermis, que ser´ıa la forma biol´ogica correcta de cierre de brecha.

Cap´ıtulo 12

Gesti´on del proyecto

En este cap´ıtulo se describe la gesti´on del proyecto incluyendo todas las fases de su ciclo de vida.

12.1.

Ciclo de vida

El proyecto se comenz´o en febrero de 2017 y ha tenido una duraci´on aproximada de siete meses, por lo que la finalizaci´on ha sido en agosto de 2017.

Las distintas etapas por las que ha pasado el proyecto se detallan a continuaci´on: 1. Asistencia a clases de Visi´on Artificial

Antes de comenzar el proyecto, fue necesaria la atenci´on a las clases de Vi- si´on Artificial impartidas por el Profesor Carlos Platero Due˜nas en la Escuela T´ecnica Superior de Ingenier´ıa y Dise˜no Industrial (ETSIDI). Asimismo, se realizaron las pr´acticas propuestas con la image processing toolbox de MatLab. Todo ello sirvi´o para adquirir los conocimientos necesarios acerca del procesa- miento de im´agenes y de los comandos para llevarlo a cabo.

2. Asistencia al Hospital Universitario Ram´on y Cajal

Previamente al comienzo del desarrollo del algoritmo, fue necesario ponerse en contacto con el equipo investigador para establecer los requisitos que debe cumplir. Estos eran dos bien diferenciados: detecci´on del ´area de la brecha y conteo de c´elulas migradas entre intervalos de tiempo. Durante dos semanas se observ´o la realizaci´on de un experimento completo para comprender mejor la problem´atica a tratar. Posteriormente, las im´agenes de diversos experimentos fueron ofrecidas por el personal para comenzar a realizar pruebas de procesa- miento.

3. B´usqueda de informaci´on y comienzo del desarrollo de algoritmos

Tras conocer los requisitos del procesamiento, se realiz´o una b´usqueda exhaus- tiva de informaci´on acerca de la segmentaci´on de im´agenes microgr´aficas. Las

herramientas m´as empleadas, descritas en le cap´ıtulo 3, no se ajustaban al tipo de im´agenes espec´ıficas que se quiere analizar. Por ello, se decidi´o comenzar a desarrollar el algoritmo de procesamiento de im´agenes con MatLab debido a su versatilidad.

Lo que se deb´ıa solucionar con m´as urgencia era la medida del ´area de la brecha en las distintas im´agenes. Por eso, se empez´o a desarrollar un algoritmo que fuera capaz de detectar esa zona y calcular su superficie.

4. Desarrollo del algoritmo de detecci´on del ´area

Con la toolbox deimage processing de MatLab y sus diversos comandos de seg- mentaci´on morfol´ogica, se desarroll´o un algoritmo que fuera capaz de procesar la mayor parte de las im´agenes. Fue en ese momento, cuando se hizo notar el error que se produc´ıa en las im´agenes que ten´ıan l´ınea (por lo explicado en el cap´ıtulo 8).

Debido a eso, se comenz´o a crear paralelamente otro algoritmo que fuera capaz de detectar dichas l´ıneas y eliminarlas.

5. Desarrollo del algoritmo de eliminaci´on de l´ıneas

De entre todas las pruebas realizadas para eliminar los surcos, solo una di´o resultado. Se trataba de detectar las l´ıneas mediante la transformada de Hough para su posterior eliminaci´on. Asimismo, se fue mejorando el algoritmo para que procesara la mayor parte de las im´agenes.

A pesar de los numerosos intentos de integrar en el mismo algoritmo el proce- samiento de im´agenes con y sin l´ınea, esto no fue posible por lo que se decidi´o emplear ambos algoritmos. Con el principal se procesar´ıan todas las im´age- nes y con el de eliminaci´on de rayas solo se segmentar´ıan aquellas que fueran incorrectas.

6. Implementaci´on de la Interfaz Gr´afica de obtenci´on del ´area

Cuando ambos algoritmos funcionaron debidamente, se comenz´o a implementar la aplicaci´on biom´edica seg´un las necesidades del usuario final.

Se mostraron diversas opciones como el bot´on de zoom que ofrece una visuali- zaci´on con mayor detalle de la segmentaci´on, o los recuadros donde se muestran el ´area de la brecha en micr´ometros y el porcentaje de apertura de la brecha. Adem´as se incluy´o la opci´on de se˜nalar las diferentes im´agenes que fallaban debido a las l´ıneas para poder procesarlas con el algoritmo de eliminaci´on de l´ıneas.

Por ´ultimo, se a˜nadi´o la opci´on de generar autom´aticamente un archivo de c´alculo con todos los datos obtenidos en la aplicaci´on junto con algunos c´alculos estad´ısticos simples.

7. Desarrollo del algoritmo contador de c´elulas migradas

Una vez finalizada y comprobada la aplicaci´on de obtenci´on del ´area de la brecha, se comenz´o a elaborar un algoritmo capaz de obtener el n´umero de c´elulas migradas desde la imagen tomada a 0 horas hasta la im´agen obtenida a X horas (siendo X: 3, 6, 9 o 12).

12.2. PERSONAL 99 Tal y como se ha explicado en el 8, el algoritmo creado se basa en la obtenci´on de la im´agen a 0 horas segmentada con el algortimo de obtenci´on del ´area y despu´es se aplica c´omo m´ascara sobre la im´agen a X horas. De esta forma se a´ıslan las c´elulas migradas en el intervalo 0-X horas y se segmenta la im´agen obteni´endose el n´umero total de c´elulas.

8. Implementaci´on de la Interfaz Gr´afica de obtenci´on del n´umero de c´elulas migradas

Cuando el algoritmo funcion´o de forma adecuada, se implement´o la aplicaci´on biom´edica que facilita al personal del laboratorio la segmentaci´on de im´agenes por directorios. Entre las distintas opciones se encuentran la aplicaci´on del algoritmo de eliminar l´ıneas para la m´ascara de 0 horas y la introducci´on manual del n´umero de c´elulas migradas si el n´umero obtenido autom´aticamente es err´oneo.

En este caso tambi´en se ha implementado la generaci´on autom´atica de una hoja de c´alculo con las c´elulas migradas en cada una de las im´agenes, para facilitar la obtenci´on de resultados estad´ısticos.

9. Obtenci´on de datos y an´alisis estad´ıstico

Una vez implementadas las dos aplicaciones biom´edicas se han obtenido las ho- jas de c´alculo con los datos de todos los experimentos. Con ello se ha elaborado un archivo con todos los datos organizados de forma que se facilite el an´alisis posterior.

Por ´ultimo, se ha realizado el an´alisis estad´ıstico ANOVA mediante un algorit- mo de MatLab creado a tal efecto. En ´el se han obtenido resultados observando tres marcadores: diferencia de ´areas entre 0 y X horas, ´area a X horas y n´umero de c´elulas migradas.

Todas las fases descritas se han ido documentando paralelamente desde el co- mienzo de este proyecto.

12.2.

Personal

El personal implicado en este proyecto incluye diferentes profesionales del ´area de la biolog´ıa y la ingenier´ıa. Los diferentes puntos de vista y los conocimientos aportados han sido imprescindibles para la elaboraci´on de este proyecto. Adem´as de la necesidad de que el propio personal del laboratorio indicara los requisitos indispensables para la creaci´on de la aplicaci´on biom´edica.

12.3.

Planificaci´on

Para especificar con m´as detalle la planificaci´on del proyecto se adjunta a conti- nuaci´on un diagrama de Gantt (figura 12.1). En ´el se pueden distinguir las diferentes

fases del proyecto y su duraci´on. Tambi´en se ha incluido una tabla con las fechas de inicio y fin de cada una de las fases (figura 12.2).

Figura 12.1: Diagrama de Gantt de la planificaci´on

Figura 12.2: Lista de las fases del proyecto y duraci´on

Como se puede observar la organizaci´on se ha realizado de la siguiente manera: primero se han elaborado los algoritmos de obtenci´on del ´area y despu´es su interfaz, luego se ha creado el algoritmo contador de c´elulas y a continuaci´on su interfaz y al final se han obtenido resultados de ambas aplicaciones para realizar un an´alisis de la varianza.

Cap´ıtulo 13

Conclusiones

Se presentan a continuaci´on las conclusiones...

13.1.

Conclusi´on

Una vez finalizado el proyecto...

13.2.

Desarrollos futuros

Un posible desarrollo...

Ap´endice A

Anexo A

En este ap´endice se expone un resumen de los resultados obtenidos por el equipo investigador empleando el m´etodo manual. Se han analizado dos marcadores: el cierre de la brecha y el n´umero de c´elulas migradas.

A.1.

Resultados obtenidos con el marcador de cierre de bre-

cha

En primer lugar se desarrollar´an los resultados del marcador de cierre de brecha.