Resumen/Discusión

Tras analizar los resultados obtenidos mediante las pruebas y hacer un estudio exhaustivo sobre los mismos. Se advirtió que las imágenes, para obtener resultados óptimos de los algoritmos, deberían tener diferentes características especiales técnicas, tales como el tamaño de las imágenes, si fueron o no sacadas con flash y la posición y ángulo, de la cara y la mirada.

Solo imágenes tomadas con flash: Llevó un buen tiempo encontrar imágenes sacadas sin utilizar flash de chicos que tuvieran tumor de retinoblastoma, pero se consiguieron algunas. No se notaron diferencias entre los pacientes sanos y los enfermos en imágenes tomadas sin flash, en el análisis de los algoritmos. Por lo cual se concluyó que las imágenes tomadas sin flash deben ser excluidas para obtener resultados correctos.

Las imágenes con resoluciones bajas no sirven: No se obtuvo buena respuesta de la aplicación trabajando sobre imágenes en las cuales las resoluciones eran bajas, o las caras en las imágenes eran pequeñas, es decir, fotos sacadas desde la lejanía del objeto de estudio. Se vio que no se reconocían los ojos o pupilas sobre estas imágenes. Para tener una medida, se contaron los pixeles que contenían los largos de los cuadrados de las detecciones de cada cara. Esto concluyó que por debajo de los 200 pixeles de largo (es decir 40000 pixeles por cara). Los algoritmos de detección no funcionaban de manera correcta. Esto derivó en que no se podían detectar las pupilas para hacer el análisis de color. En la Figura 26 se puede apreciar un ejemplo de estos casos, en el cual los algoritmos no pudieron detectar las pupilas, ya que estas contienen sólo unos pocos píxeles.

Figura 27: Ejemplo de imagen de muy baja calidad.

El ángulo de la cara al igual que el de las pupilas debe ser paralelo al plano de la imagen: Al analizar los resultados se notó que si no se ven en la imagen ambos lados de la cara, es difícil que ésta sea detectada por la clasificación de rostros. Lo mismo ocurre con las pupilas. La persona de estudio, debería dirigir la mirada hacia el lente de la cámara a la hora de tomar la fotografía. En la Figura 17 se observa una imagen en la cual el ángulo de la mirada de los chicos no permite reconocer sus pupilas.

Figura 28: Ejemplo de imagen con ángulos de mirada raros.

Una única cara en la fotografía es mejor: Se percibió que cuando solo hay una cara en la imagen, hay muchas más probabilidades de que los algoritmos funcionen efectivamente. Esto se debe principalmente al ya mencionado tamaño de la cara a reconocer.

6 Conclusiones

Dada la necesidad de mejorar el diagnóstico temprano de retinoblastoma, se desarrollaron en primer lugar los algoritmos encargados del reconocimiento de caras, ojos y pupilas dentro de una fotografía. Para luego poder proseguir con el desarrollo y evaluación de algoritmos para el análisis colorimétrico y de esta forma realizar un diagnóstico acertado.

Los algoritmos propuestos se caracterizan por su eficacia y rapidez, estos fueron seleccionados entre distintos métodos posibles, y a su vez fueron optimizados y adaptados al problema para brindar los mejores resultados posibles. Para ello también se propusieron ciertas restricciones en cuanto al tamaño y la calidad de las fotografías, con el objetivo de evitar inconvenientes en el uso de la aplicación. De esta forma se concluyó con una aplicación sólida para el procesamiento de imágenes, brindando un diagnóstico consistente para sus usuarios.

Estos algoritmos se introdujeron tanto en una aplicación de escritorio, como en un servicio web, ofreciendo gran versatilidad para su utilización y un importante abanico de posibilidades para su continuación y mejora en pos de incrementar su accesibilidad. Con vistas en ese objetivo, también se desarrolló una aplicación móvil básica que a través de la interfaz web puede proporcionar a sus usuarios el diagnóstico buscado.

En base a los resultados obtenidos con el dataset de imágenes de prueba, teniendo en cuenta la sensibilidad y la especificidad, se analizaron distintos criterios de clasificación de colores con los cuales definir el diagnóstico de la enfermedad. De esta forma, la aplicación se comportó de manera robusta, con un buen grado de eficacia en el diagnóstico.

Bibliografía

1. Pendergrass TW, Davis S. Incidence of retinoblastoma in the United States. Arch Ophthalmol 1980; 1204-10.

2. Takano J, Akiyama K, Imamura N, Sakuma M, Amemiya T. Incidence of retinoblastoma in Nagasaki Prefecture, Japan. Ophthalmic Paediatr Genet 1991; 139-44.

3. Moll AC, Kuik DJ, Bouter LM, et al. Incidence and survival of retinoblastoma in The Netherlands: a register based study 1862-1995. Br J Ophthalmol 1997; 559-62.

4. MacCarthy A, Draper GJ, Steliarova-Foucher E, Kingston JE. Retinoblastoma incidence and survival in European children (1978-1997). Report from the Automated Childhood Cancer Information System project. Eur J. Cancer 2006; 2092-102.

5. de Camargo B, de Oliveira Santos M, Rebelo MS, et al. Cancer incidence among children and adolescents in Brazil: first report of 14 population-based cancer registries. Int J Cancer 2010; 715-20.

6. Orjuela MA, Titievsky L, Liu X, et al. Fruit and vegetable intake during pregnancy and risk for development of sporadic retinoblastoma. Cancer Epidemiol Biomarkers Prev 2005; 1433- 40.

7. Orjuela M, Orlow I, Dudas M, et al. Alterations of cell cycle regulators affecting the RB pathway in nonfamilial retinoblastoma. Hum Pathol 2001; 537-44.

8. Moll AC, Imhof SM, Kuik DJ, et al. High parental age is associated with sporadic

hereditary retinoblastoma: the Dutch retinoblastoma register 1862-1994. Hum Genet 1996; 109-12.

9. Canturk S, Qaddoumi I, Khetan V, et al. Survival of retinoblastoma in less-developed countries impact of socioeconomic and health-related indicators. Br J Ophthalmol 2010; 1432-6.

10. Chantada G, Fandino A, Manzitti J, Urrutia L, Schvartzman E. Late diagnosis of retinoblastoma in a developing country. Arch Dis Child 1999; 171-4.

11. Navo E, Teplisky D, Albero R, Fandino AC, Demirdjian G, Chantada GL. Clinical presentation of retinoblastoma in a middle-income country. J Pediatr Hematol Oncol 2012; e97-101.

12. González Teruel A, Abad García MF, Sanjuán Nebot L, Campón Gonzalvo J, Castillo Blasco L. Uso de internet por los médicos colegiados de Valencia: un estudio de viabilidad de la Biblioteca Médica Virtual del Colegio Oficial de Médicos de Valencia. El profesional de la información 2004; 13:100-106.

13. Dorsch JL. Information needs of rural health professionals: a review of the literature. Bull Med Libr Assoc 2000; 88: 1-4.

14. Cullen RJ. In search of evidence: family practitioners use of the Internet for clinical information. J Med Libr Assoc 2002; 90: 370–379.

15. Dengfeng Yan and Jaideep Sengupta. "The Influence of Base Rate and Case Information on Health Risk Perceptions: A Unified Model of Self-Positivity and Self- Negativity." Journal of Consumer Research: February 2013

16. Norberto Ortego Centeno, Ana Celia Barnosi Marín, Carmen Pilar Simeón Aznar, Miguel Ortego Jurado. Búsqueda de información en Internet por parte de pacientes de diferentes Comunidades Autónomas con enfermedades autoinmunitarias crónicas. Vol. 133. Núm. 12. 3 Octubre 2009.

17. Ries LA, Smith MA, Gurney JG, et al., eds.: Cancer incidence and survival among children and adolescents: United States SEER Program 1975-1995. Bethesda, Md: National Cancer Institute, SEER Program, 1999. NIH Pub.No. 99-4649.

18. Raquel Solá Asenjo, Rafael Cabeza Laguna. Evaluación experimental de detectores de caras y características faciales. Escuela técnica superior de ingenieros industriales y de telecomunicación. Pamplona, 31 de enero de 2011.

19. Guevara, Marta Lucía; Echeverry, Julian David; Ardila urueña, William. Detección de rostros en imágenes digitales usando clasificadores en cascada. Scientia Et Technica, vol. XIV, núm. 38, junio, 2008, pp. 1-5. Universidad Tecnológica de Pereira, Colombia

20. D'Orazio, T.; Inst. of Intelligent Syst. for Autom., Bari, Italy ; Leo, M.; Cicirelli, C. ; Distante, A. An algorithm for real time eye detection in face images. 2004.

21. Culjak, I. Fac. of Electr. Eng. & Comput., Univ. of Zagreb, Zagreb, Croatia. Abram, D.; Pribanic, T.; Dzapo, H.; Cifrek, M. MIPRO, 2012 Proceedings of the 35th International Convention: 1725-1730

22. Alex Rodriguez. RESTful Web services: The basics for developers works at IBM First published 06 November 2008

23. Hadley, Marc and Paul Sandoz, eds. (September 17, 2009). JAX-RS: Java API for RESTful WebServices (version 1.1), Java Community Process.

24. 3.7. Unsharp Mask, esp. 3.7.4. How does an unsharp mask work?, Gimp documentation. 25. Sharpening in Photoshop – Part I, Ron Bigelow – detailed discussion of sharpening, beginning with USM.

26. Colorimetric and Longitudinal Analysis of Leukocoria in Recreational Photographs of Children with Retinoblastoma. Alireza Abdolvahabi, et al. Published: October 30, 2013