APLICACIÓN COMO APOYO AL DIAGNÓSTICO DE ANOMALÍAS EN MELANOMAS
APPLICATION SUPPORT AS ABNORMALITY DIAGNOSTIC MELANOMA
Edwar J. Gómez Roosevelt J. Rico C.** José S. Cañon M.***
Resumen: Este articulo describe el desarrollo de una aplicación diseñada para el apoyo al diagnóstico de anomalías en melanomas, la cual se implementó a partir del procesamiento
de imágenes, esto se llevó a cabo con el uso ciertos algoritmos que usan una base de
conocimiento de varios profesionales en dermatología, además de conocimientos
concernientes al procesamiento de imágenes. Esta herramienta software está dividida en
varias etapas totalmente modulares, para las cuales se realizaron una serie de pruebas que
verifican su correcto funcionamiento y que se cumpla con las recomendaciones dadas por el
especialista, esta herramienta permite la caracterización de los parámetros tales como color,
bordes, simetría y diámetro, características que se muestran en una interfaz de usuario que
permiten el manejo de los datos clínicos del paciente, al final, esta aplicación brinda un
Títulos académicos de pregrado y/o posgrado. Lugar de trabajo: Universidad/Organización/Empresa. Correo electrónico e-mail: [email protected]
**
Títulos académicos de pregrado y/o posgrado. Lugar de trabajo: Universidad/Organización/Empresa. Correo electrónico e-mail: [email protected]
***Títulos académicos de pregrado y/o posgrado. Lugar de trabajo: Universidad/Organización/Empresa. Correo
reporte de las características para cada paciente, el cual, facilita al especialista el análisis del
melanoma.
Palabras clave: Melanoma, Dermatoscopía, Caracterización, Procesamiento de imágenes, Instrumentos médicos.
Abstract: This article describes the development of an application designed to support the diagnosis of abnormalities in melanomas, which was implemented from image processing,
this was carried out with certain use algorithms that use a knowledge base of several
professionals dermatology, as well as knowledge concerning image processing. This software
tool is divided into several fully modular stages, for which a series of tests that verify proper
operation and compliance with the recommendations given by the specialist were made, this
tool allows the characterization of parameters such as color, borders , symmetry and
diameter, features shown in a user interface that allows managing clinical patient data, in the
end, this application provides a report of the characteristics for each patient, which facilitates
specialist analysis of melanoma .Key Words: Melanoma, Dermatoscopy, characterization,
image processing, medical instruments.
1. Introducción
En Colombia, se calcula que anualmente se pueden desarrollar aproximadamente 1.000
casos nuevos de melanoma y cerca de 220 personas mueren debido a esta enfermedad [1]–
[3].Esta aplicación desarrollada en general es un apoyo para el diagnóstico de anomalías en
melanomas implementada a partir de técnicas de procesamiento de imágenes [3], [4].
En este momento existen múltiples aplicaciones las cuales brindan ciertas características de
los lunares y dan un diagnóstico sobre el lunar el cual puede ser benigno o maligno, pero
analizados por tales aplicaciones según la aplicación son benignos un error demasiado
amplio, esto es debido a que en el proceso de desarrollo de las aplicaciones no se tuvo en
cuenta pruebas o revisiones de sensibilidad y especifidad del algoritmo por parte de un
especialista en dermatología [4].
El procesamiento de imágenes tiene múltiples aplicaciones en el campo de la medicina, lo
cual, permite analizar diversas características de algunos exámenes especializados: rayos x,
tomografía axial computarizada TAC, ultra sonido, resonancia magnética, dichos archivos de
entrada son utilizados por especialistas de la medicina para la identificación de alteraciones o
síntomas que permitan diagnosticar enfermedades y planificar tratamientos. En el análisis
dermatológico el uso de las imágenes es significativo, dado que permiten el análisis en
detalle de múltiples anomalías como los melanomas, los cuales son objetivo principal de
caracterización de este proyecto [5].
El presente artículo describe el desarrollo e implementación de una aplicación que
proporcione características de un melanoma de parámetros tales como color, bordes,
simetría y diámetro, esto presentando una interfaz de usuario para el manejo de los datos
clínicos del paciente, datos característicos e imágenes que permitan una mejor vista del
melanoma para el especialista.
2. Estado del arte
Las imágenes en general son herramientas importantes para el estudio de fenómenos y la
búsqueda de características y patrones, el apoyo de estas al estudio de disciplinas como la
agricultura, la geología, la medicina, la astronomía, etc. Ha generado un creciente interés
imágenes, el procesamiento de imágenes es el estudio que busca mediante la
implementación de múltiples técnicas mejorar una imagen para facilitar su análisis, esto a
partir de exaltar patrones ocultos dentro de estas, patrones tales como simetría, color, forma,
textura, etc.
El estudio de los métodos de procesamiento de imágenes digitales se centra en dos áreas
principales de aplicación:
1) Procesamiento en busca del mejoramiento de la imagen para facilitar el análisis del
hombre.
2) El mejoramiento de las cualidades de las imágenes para el procesamiento de automático a
partir de máquinas [6].
Para lograr lo anterior se transforman las imágenes mediante modelos de color, el uso del
color en el procesamiento de imágenes es de gran valor, dado que su uso como descriptor
facilita la extracción de regiones u otros, y el ojo humano tiene la capacidad de distinguir una
gran variedad tonos comparado con su capacidad para distinguir rangos de gris [6]. Este
espacio que permita la aplicación de operadores y algoritmos, tales como la segmentación,
proceso mediante el cual se extrae de la imagen cualidades para su uso posterior, se basa
en principios de discontinuidad y similitud [6]. La segmentación orientada a bordes
(discontinuidad), la segmentación orientada regiones (similitud), para estas dos es necesario
modificar la imagen para lo que se aplican múltiples funciones de transformación de modelo
u operadores, los bordes de una imagen son básicamente la identificación de pixeles que
muestran cambios bruscos en sus niveles ya sea de color o de grises, se proponen
binarización [7] y el crecimiento y división de regiones, estas como algunas técnicas
propuestas.
3. Marco teórico 3.1. Dermatoscópia
La dermatoscopía es una técnica de diagnóstico no invasivo, esto haciendo uso de una
cámara digital y la técnica para tomar imágenes las cuales permitan distinguir estructuras
cutáneas difíciles de observar a simple vista. La dermatoscopía se puede considerar un paso
intermedio entre la dermatología clínica y la dermatopatología, y gracias a su utilización se
puede incrementar la sensibilidad y especificidad diagnostica en los tumores cutáneos. El
conocimiento dermoscópico - patológica es fundamental en el entendimiento y correcto uso
de tal técnica [8].
3.1.1. Algoritmo médico o método de los tres puntos para reconocimiento de melanomas
En los métodos de diagnóstico visual, el método de la lista de tres puntos puede decirse que
es el más sencillo. Este método está basado en la evaluación de tres criterios de
dermatoscópia, los cuales son asimetría, patrón reticular atípico y estructuras blanco
azuladas [1].
La lesión en la piel se identifica como sospechosa al verificar la presencia de dos o tres
criterios de los mencionados anteriormente.
3.1.1.1 Asimetría
Asimetría de color y estructura en uno o dos ejes perpendiculares.
3.1.1.2 Retículo Atípico
Retículo pigmentado con orificios irregulares y líneas gruesas.
3.1.1.3 Estructuras Blanco Azuladas
Cualquier de tipo de coloración azulada, blanquecina o ambas.
Los algoritmos anteriormente descritos han sido desarrollados para reducir la complejidad del
procedimiento del diagnóstico que regularmente es usado por dermatólogos experimentados,
este algoritmo que usualmente es usado por los dermatólogos se define como análisis de
patrones [1]. Saber la veracidad de los anteriormente expuestos es esencial para lograr
identificar cual sería el correcto para un uso de diagnóstico lo más acertado posible.
3.2. Homogeneidad del color
El concepto de homogeneidad es bastante complejo de definir, en general esta característica
es un factor de uniformidad o semejanza entre múltiples datos de una misma característica
en el caso de este proyecto dicha característica es el color del melanoma, además el factor
de homogeneidad depende de los parámetros de la imagen y varía según las distintas
cualidades de la misma, por lo que no siempre puede ser algo fácil de transformar a un
3.3. Level Sets
Los level - sets son una técnica numérica con la función de encontrar formas y figuras en
diversas imágenes.
La principal ventaja que se les atribuye es que no usan la parametrización de la curva, por lo
que se pueden adaptar a formas difícilmente parametrizables y además no dependen de la
inicialización de la curva. Gracias a esa ventaja también pueden dividirse, encontrar y
separar varias figuras en una misma imagen, lo cual no es posible con la utilización de
curvas paramétricas [9].
4. Implementación
4.1. Segmentación utilizando Level – Sets
Los Level – Sets son un grupo de métodos de segmentación en imágenes, estos son unos de los algoritmos más efectivos ya que su funcionamiento ha sido probado bajo diversos
parámetros que pueden generar conflicto en la segmentación y proporciona un resultado que
es muy acertado a lo esperado, este algoritmo está basado en la curvas de nivel de la
imagen dado que los gradientes pueden indicar cambios de energía que son muy
importantes para el reconocimiento de objetos que realiza dicho algoritmo y en este proyecto
específicamente para poder obtener la segmentación de los melanomas o sus bordes
Figura 1: Imagen del melanoma segmentado.
4.2. Porcentajes de color
Dada la sensibilidad de los datos a estudiar se evitó realizar procesos que pudieran llevar a
la pérdida o modificación de las muestras originales, por ello se realizaron procesos simples
con los cuales se separó la región de estudio del melanoma de la piel captada en la imagen.
Esto se logró haciendo uso del resultado generado por la segmentación dado que el
algoritmo utilizado proporciona una imagen binaria. La imagen obtenida nos permitirá a
continuación separar los niveles de color que se encuentran dentro del melanomas sin que
los niveles de color que se encuentran a su alrededor alteren los resultados.
La imagen obtenida nos permite a continuación separar los niveles de color que se
encuentran dentro del melanomas sin que los niveles de color que se encuentran a su
alrededor alteren los resultados.
Se decidió separar la imagen en sus tres componentes R, G y B. Lo que nos permite hacer
Green -Green Red
-Red Blue -Blue
entre la matriz binaria y cada matriz de gris, lo que da un tono negro a todo la imagen que no
forma parte del melanoma, luego se realizó el promedio de color de la imagen obtenida
después de esto se convierte este valor a un porcentaje, el cual, se entrega al usuario como
dato de interés.
Figura 2: Imágenes de R G y B originales y resultantes.
A B C
4.3. Homogeneidad de color
Para desarrollar un modelo de homogeneidad se deben establecer los parámetros a tener
en cuenta como lo son para este caso el tamaño de la imagen, el formato de la imagen y los
valores máximos y mínimos que pueden tomar los colores de la imagen esto con el fin de
llevar a cabo el proceso de obtención de valores de homogeneidad de cada color y el de la
imagen total, para tener como resultado estos valores se utilizan herramientas estadísticas
como lo son la varianza o la desviación estándar vista en la ecuación (1) y la media
aritmética de los valores matriciales de la imagen [10].
√
∑
̅
(1)
Donde N representa la cantidad de datos en la matriz a procesar, es el valor del dato en la
posición y ̅ es la media aritmética de los datos de la matriz, cabe aclarar que para que la
ecuación (1) sea aplicable a la imagen los datos de la matriz son adecuados a un vector de
cantidad N datos [11].
El algoritmo realizado se basa inicialmente en una imagen en la cual solo se tiene el lunar sin
la piel en cambio se tiene un fondo negro esta imagen es obtenida haciendo uso de las
compuertas lógicas aplicadas a la imagen de muestra original. Para obtener la
homogeneidad de la imagen se realiza el cálculo primero en cada matriz R, G y B de la
misma y luego se hace un promedio de los valores obtenidos de los tres colores esto con el
Además, estos valores de homogeneidad son usados por otro algoritmo que según las
características de cada color realiza un realce que es necesario para lograr observar posibles
retículos atípicos en el melanoma.
Homogeneidad de color: 50.6272 %
Figura 4: Imagen de comparación con el recorte realizado del lunar originalmente con su
porcentaje de homogeneidad y la imagen realzada de la misma.
4.4. Simetría
En la búsqueda de la simetría de la figura, se utilizó también la imagen obtenida del
pre-procesamiento, a la cual, se extrae en un recuadro el cual se traza lo más cercano a la figura
sin invadir esta, luego ubica su centro y se divide la figura en cuatro cuadrantes los cuales
son invertidos y comparados con sus opuestos con el uso de la operación lógica NOR,
extrayendo las zonas no comunes entre los cuadrantes, a continuación se calcula la simetría
geométrica basándose en el área original y el área final hallada tras la realización de este
Figura 5: Imágenes de los cuadrantes del melanoma.
Figura 5: Imágenes resultado de superposición de cuadrantes.
figura completa cuadrante 1 cuadrante 2
cuadrante 3 cuadrante 4
original
final1 final2
4.5. Interfaz Grafica
La interfaz gráfica es una componente muy importante para la aplicación implementada dado
que es el medio de comunicación entre todos los algoritmos a ejecutar y el usuario, esta
interfaz está compuesta por cuatro botones, un check box y múltiples cuadros de texto los
cuales tienen como funcionalidad la captura datos del paciente y también mostrar datos
resultantes todos estos que serán enviados a un reporte médico si el usuario requiere
generarlo.
Figura 6: Interfaz gráfica.
Resultados
Para análisis del proyecto se plantearon diversas pruebas, las que describieran el
permitieran el análisis de los resultados para verificar la veracidad de los datos arrojados
tales como: tamaño, simetría y homogeneidad, las pruebas consistieron en la iteración
múltiple con un recorte fijo y con un recorte variante, la comparación de los resultados
teniendo en cuenta la resolución y otros factores de la imagen.
Además de estas se realizaron pruebas con figuras geométricas de las cuales fueran
conocidas las características de simetría, homogeneidad de color y tamaño. Permitiendo
establecer la certeza en los porcentajes ofrecidos por la herramienta.
Una vez realizadas la pruebas descritas se determinó que el algoritmo es preciso dado que
iterando repetidamente con un recorte igual los datos entregados no varían, mientras que
realizada la variación del recorte se genera un leve cambio en los resultados entregados,
estos dependen de la calidad de la muestra estudiada, de modo que con muestras de calidad
baja podemos obtener coeficientes de variación por debajo del 5% y con muestras muy
buenas se puede obtener un coeficiente de variación menor al 1%. Por lo anterior se
desarrolló un manual de usuario que permita un correcto uso de la herramienta y la correcta
toma de imágenes. También se determinó que las características ofrecidas por la aplicación
en datos porcentuales son en general acertadas.
Conclusiones
Dado que las Imágenes dermatoscópicas ofrecen una excelente iluminación, posición y
otras cualidades se recomienda tomar las muestras con un dermatoscópio, lo cual reduce el
complicadas que pueden llevar a modificar la información esto introduciendo errores en los
parámetros extraídos de las imágenes.
Finalizado el estudio del melanoma se visualizaron dos factores determinantes:
El algoritmo es susceptible a fallos tras la introducción de objetos ajenos a este
proceso, motivo por el cual se introduce una herramienta de recorte en la
interfaz de usuario permitiéndose al especialista seleccionar la zona a estudiar.
Es de gran importancia que los procesos utilizados no causen alteración en la
información debido a que pequeños cambios pueden causar un error.
La continuación del proyecto buscara extraer a través de pruebas con especialistas niveles
críticos en las muestras para emitir alarmas a los dermatólogos tratantes.
El proceso de segmentación utilizado ha sido elegido dado que el funcionamiento bajo
parámetros de tipo clínico es muy eficiente en comparación con los diferentes tipos de
segmentación ya que es poco alterado por los posibles errores de intromisión de información
no perteneciente al proceso.
Referencias
[1] C. F. Ocampo Blandón, “Herramienta Soporte al Diagnóstico del Melanoma usando
Imagenes Dermatoscópicas,” 2011.
[2] R. a. Oliveros C, Bravo J, Zambrano A, Cepeda M, “Tendencia de la incidencia y la
mortalidad en melanoma maligno en los últimos 60 años y análisis de los datos del
Revisión sistemática,” Rev Asoc Colomb Dermatol, vol. 3, pp. 255–264, 2012.
[3] M. De Troya-Martín, N. Blázquez-Sánchez, I. Fernández-Canedo, M. Frieyro-Elicegui,
R. Fúnez-Liébana, and F. Rivas-Ruiz, “Estudio dermoscópico del melanoma maligno
cutáneo: Análisis descriptivo de 45 casos,” Actas Dermosifiliogr., vol. 99, no. 1, pp. 44–
53, 2008.
[4] P. Joel A. Wolf, BA; Laura K. Ferris, MD, “Diagnostic Inaccuracy of Smartphone
Applications for Melanoma Detection,” Dep. Dermatology, Univ. Pittsburgh Sch. Med.
Pittsburgh, Pennsylvania (Dr Ferris)., 2013.
[5] M. Y. Auad, “Las imagenes medicas y su importancia en el diagnostico de las
enfermedades un enfoque desde el punto de vista de la ingenieria.pdf.” p. 6, 2007.
[6] J. E. Masloski, G. L. Piat, A. Maria, L. Sanchez, J. Cesar, and D. Rosa, “Melanoma,”
Rev. Posgrado la VIa Catedra Med., no. 4, pp. 9–16, 2008.
[7] P. Zaballos Diego, C. Carrera, S. Puig, and J. Malvehy, “Criterios dermatoscópicos
para el diagnóstico del melanoma,” Med. Cutan. Ibero. Lat. Am., vol. 32, no. 1, pp. 3–
17, 2004.
[8] C. C. Álvarez, P. Zaballos, S. Puig, J. Malvehy, J. M. Mascaró-Galy, and J. Palou,
“Correlación histológica en dermatoscopia; lesiones melanocíticas y no melanocíticas.
Criterios dermatoscópicos de nevus melanocíticos,” Med. Cutan. Ibero. Lat. Am., vol.
32, no. 2, pp. 47–60, 2004.
[9] T. Fisioterápico, D. Cefalea, A. Tensional, and L. R. Gil, “Trabajo Fin de Grado,” 2013.
[10] S. Dutta and B. B. Chaudhuri, “Homogenous Region based Color Image
