CAPÍTULO 3. PRUEBAS Y RESULTADOS

Transcripción

1 54 CAPÍTULO 3. PRUEBAS Y RESULTADOS A lo largo de este trabajo hemos resaltado la importancia del procesamiento de imágenes, mencionado la teoría que lo sustenta y descrito la metodología desarrollada. El presente trabajo se sustenta en la aplicación de los conocimientos teóricos adquiridos, en un aspecto fundamental en tantas áreas, pero particularmente en la clínica, a la que hemos aplicado el procesamiento de imágenes con fines médicos; la relevancia de nuestro trabajo radica en la capacidad de sustentar y proveer herramientas a un área de conocimiento en la que descansa el bienestar de los seres humanos. Este capítulo muestra el resultado de dicho trabajo a partir de las pruebas realizadas al código final con las distintas imágenes de la base de datos. Por practicidad las pruebas se realizarán en el orden en que aparecen los botones, así: Pruebas con el botón Imagen 1

2 55 Figura 3.1. Ventana de GUI seleccionando Imagen 1. Nótese que al seleccionarla, la imagen original correspondiente a la Imagen 1 aparece a la izquierda de los push buttons. Mientras que en una ventana aparte se despliega la imagen de contornos sobre la cual se marcarán los puntos dentro de la región de interés. imagen: Una vez marcados con el mouse los 8 puntos indicados se obtiene la siguiente

3 56 Figura 3.2. Imagen de salida de la imagen 1. Figura 3.3. Imagen de salida de la imagen 1 seleccionando otra región.

4 57 Pruebas con el botón Imagen 2. Igualmente se selecciona el pushbutton llamado Imagen 2 y al hacerlo se despliega dentro de la ventana de la GUI la imagen original y en un cuadro aparte la imagen de contornos. Se determinan el número de puntos a marcar. Figura 3.4. Ventana de GUI seleccionando el boton Imagen 2. Se selecciona el número de puntos determinado previamente sobre la imagen de contornos y una vez seleccionando la región de interés obtenemos:

5 58 Figura 3.5. Imagen de salida de la imagen 2. Figura 3.6. Imagen de salida de la imagen 2 seleccionando otra región.

6 59 Pruebas con el botón Imagen 3. Figura 3.7. Ventana del GUI seleccionando el boton Imagen 3. Cabe recalcar la importancia de que aparezca la imagen original sobre la ventana de la GUI y la de contornos en una nueva ventana, dado que de esta forma, el usuario puede revisar la imagen original para asegurarse de seleccionar en la imagen de contornos la región deseada. Al seleccionar una región de interés obtenemos:

7 60 Figura 3.8. Imagen de salida de la imagen 3. Figura 3.9. Imagen de salida de la imagen 3 seleccionando otra región de interés. Como podemos observar en las figuras 3.8 y 3.9. se pueden seleccionar en una sola imagen dos o más regiones en una sola vez. En el caso de la imagen original, se tiene la radiografía de perfil de una persona en la región craneal y de columna en posiciones distintas, el

8 61 programa, al permitir tomar dos regiones puede comparar en ambas posiciones una misma región para así afianzar el análisis así como ahorrar trabajo. Pruebas seleccionando el boton Imagen 4. Al basar la segmentación de las imágenes en la detección de contornos, podemos observar que en algunos casos, la región de interés puede ser un poco más amplia que la requerida, como en la figura 3.10, en la que la zona espinal en la ventana de contornos no está definida por vértebras, esto puede considerarse en ciertos casos una desventaja pero en algunos otros ventajoso, dependiendo del criterio del usuario. Figura Ventana del GUI seleccionando el boton Imagen 4. Una vez seleccionada la región de interés obtenemos

9 62 Figura Imagen de salida de la imagen 4. Figura Imagen de salida de la imagen 4 seleccionando otra region. Pruebas seleccionando el boton Imagen 5.

10 63 Figura 3.13 Ventana del GUI seleccionando el botón Imagen 5. Al marcar la región de interés Figura Imagen de salida de la imagen 5.

11 64 Figura Imagen de salida de la imagen 5 seleccionando otra región. Debemos recordar que a pesar de que el proyecto en este caso se basa únicamente en el procesamiento de la imagen ya digitalizada, es importante considerar la calidad de la imagen original y la de su digitalización, para que el programa sea efectivo. A mayor calidad, mejores resultados de segmentación. Pruebas seleccionando el boton Imagen 6.

12 65 Figura Ventana del GUI seleccionando el boton Imagen 6. Una vez seleccionada la región de interés por el usuario se despliega: Figura Imagen de salida de la imagen 6.

13 66 Figura Imagen de salida de la imagen 6 seleccionando otra region. Pruebas seleccionando el boton Imagen 7. Figura Ventana del GUI seleccionando el boton Imagen 7.

14 67 En imágenes de este tipo, en que los cambios en nivel de gris son realmente notorios, el usuario debe considerar que por ejemplo la región del cerebro será difícil de seleccionar, por lo cual es necesario marcar más puntos que en regiones menos complicacas morfológicamente hablando, una vez tomado en cuenta esto, puede seleccionar los puntos indicados en la región obteniendo Figura Imagen de salida de la imagen 7.

15 68 Figura Imagen de salida de la imagen 7 seleccionando otra region. Pruebas seleccionando el boton Imagen 8. Figura Ventana del GUI seleccionando el boton Imagen 8.

16 69 En base a la observación de las imágenes médicas se evidencia la necesidad del criterio del usuario para seleccionar las imágenes así como para determinar el número de puntos necesarios para la segmentación, esto, además de basarse en conocimientos de medicina se genera en base en la experiencia, es decir, cuanto más familiarizado esté el usuario con el programa, más facil le será determinar el número de puntos, así como su ubicación para una mejor segmentación de las regiones de interés. Imagen Imagen de salida de la imagen 8.

17 70 Figura Imagen de salida de la imagen 8 seleccionando otra región. Pruebas seleccionando el boton Imagen 9. Figura Ventana del GUI seleccionando el boton Imagen 9.

18 71 Una vez indicada la zona de interés Figura Imagen de salida de la imagen 9. Figura Imagen de salida de la imagen 9 seleccionando otra región.

19 72 A partir de los resultados mostrados en las pruebas realizadas (Figuras 3.*) es importante mencionar: Las imágenes no necesitan tener un tamaño determinado ni estándar y tanto éste como su forma pueden variar sin afectar el resultado de las pruebas realizadas, es decir, que el resultado del algoritmo no se ve modificado por el tamaño de la imagen ni por su forma. El usuario puede determinar hasta 50 puntos dentro de la región en caso de imágenes de contorno muy complejo, pero se pueden considerar valores típicos suficientes un rango de 5 a 10 puntos (todas las pruebas se realizaron marcando puntos dentro de dicho rango aunque se probó con valores atípicos para comprobar el funcionamiento correcto del algoritmo). Al carecer de conocimientos médicos para determinar las regiones de interés adecuadas, las pruebas se realizaron seleccionando regiones indiscriminadas. El algoritmo funcionó de forma adecuada en todas las pruebas excepto con las correspondientes a la Imagen 5, en la cual la segmentación no concluyó de forma adecuada debido a que los contornos no se cierran en los bordes, así al no considerarlo cerrado no toma los valores de la imagen original en la región seleccionada.

20 73 Una forma de solucionar el problema anterior sería enmarcar las imágenes antes de ser procesadas. Las figuras 3.2, 3.3, 3.5, 3.6, 3.8, 3.9, 3.11, 3.12, 3.17, 3.18, 3.20, 3.21, 3.23, 3.24, 3.26 y 3.27 corresponden a regiones segmentadas de sus imágenes originales correspondientes. El margen de error de las imágenes segmentadas es mínimo y es originado en la detección de contornos debido a la complejidad de las imágenes empleadas.