Detección Temprana de Defectos Posturales Aplicando Visión Artificial Liliana Olmos López y Netzahualcoyotl Toxtle Guerra* FCE, BUAP ; DEPAS, BUAP*. olmosliliana@hotmail.com, itoxtle@hotmail.com I. INTRODUCCIÓN. Resumen En este proyecto aplicamos la visión artificial a la medicina preventiva para la detección temprana de defectos posturales como un método innovador de diagnóstico grueso, inocuo y no invasivo. Proponemos una serie de mediciones de ángulos y distancias antropométricas a partir de fotografías digitales basándonos en técnicas radiográficas utilizadas en medicina, con las modificaciones y consideraciones necesarias. Visión Artificial: Es la capacidad de la máquina para deducir la estructura y las propiedades del mundo real, a partir de una o más imágenes bidimensionales que adquiere y procesa (Pajares, y De la Cruz, 2002). En medicina, su aplicación generalmente se basa en plantear estrategias para encontrar la correspondencia entre modelo y objeto, definiendo características, estructuras, espacio de búsqueda y métrica (Lester y Arridge, 1999). II. OBJETIVOS. Objetivo general: Propuesta de automatización del apartado "Detección de Defectos Posturales" del programa "Salud Integral del Escolar" (SEP y SSA), a través de la creación de un método de diagnóstico grueso empleando visión artificial. Objetivos específicos: a. Reducción de tiempo y costos de diagnóstico. b. Propuesta de un método de medición de ángulos y distancias antropométricas. III. JUSTIFICACIÓN.
Los defectos posturales son fallas en la integración de los mecanismos que regulan la postura (Ganong, 1992), y pueden presentar dolor en los músculos, articulaciones, piernas o pies, cojeo, arqueo interno o externo de las piernas, desviaciones anormales del cuerpo o de la cadera y caídas frecuentes. Afectan a uno de cada cinco niños aproximadamente, los más frecuentes son: pie plano, arqueo interno o externo de las piernas, rotación interna o externa de los pies y desviaciones en la columna vertebral (PROSANI; 2001). IV. MÉTODO. Se desarrollo un programa de procesamiento de imágenes en MATLAB para la medición de ángulos y distancias antropométricas a partir de fotografías digitales, capaz de identificar anormalidades que sugieran un defecto postural a nivel de la columna, de los miembros inferiores y de la imagen plantar, con base en la normalización de la muestra. No se empleo el Toolbox Vision, por lo que el algoritmo se puede transferir a un compilador distinto. Trabajamos con una población de 92 niños, 49 niños y 43 niñas, entre los 2 y 11 años de edad, pertenecientes a diferentes escuelas, preescolares y primarias, del centro y sur de la ciudad de Puebla. Se registran datos como sexo, edad, peso y talla. A cada niño se le tomaron una serie de fotografías digitales en bipedestación de frente, perfil y espalda, cuidando las características de la escena como colores involucrados e iluminación. El material y equipo utilizado fue papelería, báscula, metro, cámara digital (con resolución de 640x480 píxeles), tripié y computadora. El programa consta de tres fases: a) Detección del índice cifótico, como una variante propuesta a la medición radiográfica de Wilkins y Gibson (Muñoz, 1999). Se trabajo con fotografías de la columna vista de perfil (figura 1); con el procesamiento se obtienen los ángulos y distancias de los puntos marcados sobre la columna con respecto al eje formado por C7 y el promontorio.
Además, se trabajo con fotografías de la columna con vista posterior (figura 2), y con el procesamiento se obtienen las alturas y diferencias escapulares y acromiales con respecto al plano, y la rectificación de la columna. Figura 1: Índice cifótico, vista lateral. Figura 2: Índice cifótico, vista posterior. b) Detección del ángulo valgo (figura 3), variante propuesta a la medición radiográfica de Kapandji (1998). Con el procesamiento se obtiene el valor del ángulo valgo propuesto. c) Detección de la superficie plantar (figura 4), como una propuesta a la medición que sugiere Viladot (Valente, 1987). La fotografía que se adquiere es a partir de la huella plantar en papel. El procesamiento de la imagen permite determinar la mayor anchura (talón anterior) y la menor anchura (talón posterior) del pie, establece la relación entre ambas, y ofrece un diagnóstico probable.
Figura 3: Ángulo valgo. Figura 4: Superficie plantar. V. RESULTADOS. Las variables que manejamos son los datos cuantificables: como sexo, edad, peso y talla, y los obtenidos por el programa, ángulos (grados) y distancias (píxeles) antropométricos. Para medir el grado de relación entre las consideraciones médicas y las variables obtenidas, aplicamos la prueba de correlación de Pearson (r), calculamos la significancia (p), la media (X) y la desviación estándar (s). Los resultados son: a. Las diferencias acromiales y escapulares son directamente proporcionales (r=.927, p<0.01), constantes y simétricas a ambos lados de la espalda (r=.612, p<0.01), confirmando el proceso de compensación de postura y marcha. b. Las distancias de las vértebras con respecto al eje C7-promontorio crecen en igual dirección (r=.937, p<0.01) y proporción (r=.694, p<0.01), confirmando que los segmentos de la curvatura vertebral incrementan con igual tendencia y grado según su posición. c. El índice cifótico (figura 5) tiene un rango de normalidad considerable (X=14.9, s=4.5).
Figura 5: Índice cifótico. Figura 6: Ángulo valgo. d. En la rodilla, el grado y sentido de desviación es igual al de la opuesta (r=.849, p<0.01). e. El ángulo valgo (figura 6) está en el rango del normal radiológico (X=173.11º, s=2.43). f. En la vista plantar existe relación significativa al nivel del 0.05 entre los datos obtenidos por el programa y la interpretación diagnóstica del especialista (r=.220, p<.05). V. CONCLUSIONES. Desde el punto de vista de la automatización, este proyecto es una alternativa rápida y precisa para el diagnóstico grueso de defectos posturales en niños, por lo que la normalización a gran escala sería de gran utilidad al entorno social en salud preventiva. Tiene como ventajas: la reducción de tiempo de diagnóstico, la reducción de costos de diagnóstico y es un método inocuo que facilita la detección. Este método se puede emplear, a futuro y tras una normalización mayor, para determinar si existen alteraciones específicas (cifosis, lordosis, escoliosis, genu varo, genu valgo, pie plano y cavo) en niños y adultos, así como para el análisis de la marcha a bajo costo.
VI. AGRADECIMIENTOS. Agradecemos a quienes colaboraron en el desarrollo de este proyecto de investigación, que es parte de la tesis titulada Control Automático con Retroalimentación Visual de la Maestría en Ciencias de la Electrónica con Opción en Automatización, de la Facultad de Ciencias de la Electrónica de la Benemérita Universidad Autónoma de Puebla. Colaboradores: Dr. Domingo Pérez (FM, BUAP), M.C. Víctor Pasilla (ITP), Dr. Vinicio Colón (ISSSTE), Dra. Alejandra Parra (IMSS), Dra. Mädy Fuerbringer (BUAP), Mtro. Gabriel Aguilar (BUAP), Dr. Rodolfo Toxtle (BUAP), Dra. Natalia Sardá (BUAP), Dra. Encarna Bas (Universidad Pablo De Olavide, España) y la Mtra. Cleotilde López (BUAP). Instituciones y agrupaciones: Círculo Infantil, A.C., Pensadores para el siglo XXI, Escuela Primaria Benemérito de la América y Ciencia Joven, A.C. VII. REFERENCIAS. Pajares, G. y De la Cruz, J.M. Visión por computador: Imágenes Digitales y Aplicaciones. Editorial Alfaomega, Ra-Ma. México, 2002. Ganong, W.F. Fisiología Médica. Editorial El Manual Moderno. México, 1992. Programa de Salud Integral del Escolar. Editado por la SSA y SEP, México, 2001. Lester, H & Arridge, S.R. A survey of hierarchical non-linear medical image registration. 1999. Citado en [1]. Muñoz, J. Atlas de Mediciones Radiográficas en Ortopedia y Traumatología. Editorial McGraw-Hill Interamericana. México, 1999. Kapandji, I. Fisiología Articular. Miembro Inferior. Editorial Médica Panamericana, Ediciones Maloine. España, 1998. Valente, V. Ortesis del Pie. Editorial Médica Panamericana. Argentina, 1987.