Revista ELECTRO
Vol. 45 – Año 2023
Artículo
TÍTULO
Prototipo de Sistemas de Ayuda al Urólogo en el Reconocimiento del Cambio de Intensidad de la Próstata en las Imágenes RM
AUTORES
Víctor Alonso Franco Hernández, Jaime Hugo Puebla Lomas, José Félix Serrano Talamante
RESUMEN
La propuesta tiene como objetivo el desarrollo de un prototipo de sistema para detectar el cambio en la próstata, el paciente es un varón de 74 años, quien es originario de la Ciudad de México, y hace diez años, le realizaron una cirugía para disminuir el tamaño de la próstata, en el Hospital de Gabriel Mancera. Recientemente en el IMSS le fue encontrado unos quistes en los riñones, creyendo que esta era la causa del sangrado en la orina, pero a través de estudios de Resonancia Magnética se le identifico un tumor en la vejiga, siendo este el responsable del sangrado. A partir de esta situación nos contactamos con el Urólogo particular del paciente, dicho especialista nos apoyó a etiquetar las imágenes relacionadas con las patologías que presentaba el paciente masculino, posteriormente se realizó la segmentación utilizando la técnica de la transformada de Hough, y para el procesamiento de las imágenes se empleo la herramienta de Open CV de Python, y con ayuda del entrenamiento del clasificador de K-Means, se logró identificar los bordes de la próstata, esto con la intención de apoyar al Urólogo en la toma de decisiones en cuanto al diagnóstico del tipo de patología de la glándula de la próstata o la vejiga que presentaba dicho paciente.
Palabras Clave:
ABSTRACT
The proposal aims to develop a prototype system to detect the change in the prostate, the patient is a 74-year-old male, who is originally from Mexico City, and ten years ago, he underwent surgery to reduce the size of the prostate, in the Gabriel Mancera Hospital. Recently in the IMSS he was found to have cysts in his kidneys, believing that this was the cause of the bleeding in his urine, but through MRI studies a tumor was identified in his bladder, which was responsible for the bleeding. From this situation we contacted the patient's particular urologist, this specialist helped us to label the images related to the pathologies presented by the male patient, then the segmentation was performed using the Hough transform technique, and for the processing of the images we used the Open CV tool of Python, and with the help of the K-means classifier training, we were able to identify the prostate borders, with the intention of supporting the urologist in making decisions regarding the diagnosis of the type of pathology of the prostate gland or the bladder presented by the patient.
Keywords:
REFERENCIAS
[1] American Society of Clinical Oncology. “Prostate Cancer: Statistics”. (2020), dirección: https://www.cancer.net/cancer-types/prostatecancer/statistics.
[2] Instituto Nacional de Estadística y Geografía. “Defunciones registradas de hombres por tumor maligno de la próstata por entidad federativa de residencia habitual de la persona fallecida y grupo quinquenal de edad, serie anual de 2010 a 2021”. (2021), dirección: https://www.inegi.org.mx/app/tabulados/interactivos/?pxq=Mortalidad_Mortalidad_06_b9b3f760-db74-4198-a8a1-bdfadf07966d
[3] Consumer Eroski. (2023), dirección: https://sexoysalud.consumer.es/salud-y-sexualidad/en-el-hombre-conproblemas-de-pr%C3%B3stata
[4] Abdala Nour,Sherif Saad,Boubakeur Boufama “Prostate biomedical images segmentation and classification by using U-NET CNN model” BCB '21: Proceedings of the 12th ACM Conference on Bioinformatics, Computational Biology, and Health Informatics
[5] UNAM. (s.f.). Capítulo 1. Antecedentes de métodos de Segmentación. Recuperado el 12 de junio de 2023, de http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/171/A4.pdf
[6] J. M. de la C. Gonzalo Pajares Martinsanz, Ejercicios resueltos de Visión por Computador. Alfaomega, 2008, pág. 148, ISBN: 978-84-7897-828-1.
[7] V. Cantoni y E. Mattia, "Hough Transform", en Encyclopedia of Systems Biology, W. Dubitzky, O. Wolkenhauer, K.-H. Cho y H. Yokota, eds. New York, NY: Springer New York, 2013, págs. 917-918, ISBN: 978-1-4419-9863-7. DOI: 10.1007/978-1-4419-9863-7_1310. Dirección: https://doi.org/10.1007/978-1-4419-9863-7_1310.
[8] OpenCV. "Hough Circle Transform". (2023), dirección: https://docs.opencv.org/3.4/d4/d70/tutorial_hough_circle.html.
[9] Bernhard Rieder “Engines of Order: A Mechanology of Algorithmic Techniques”
[10] JavaTpoint. "K-Means Clustering Algorithm". (2023), dirección: https://www.javatpoint.com/k-means-clustering-algorithm-in-machinelearning
[11] Microsoft. "Resultados de los modelos de aprendizaje automático". (2023), dirección: https://learn.microsoft.com/eses/dynamics365/finance/finance-insights/confusion-matrix.
[12] K. M. Ting, "Confusion Matrix," in Encyclopedia of Machine Learning, C. Sammut and G. I. Webb, eds., Boston, MA: Springer US, 2010, pp. 209-209, ISBN: 978-0-387-30164-8. DOI: 10.1007/978-0-387-30164-8_157. Dirección: https://doi.org/10.1007/978-0-387-30164-8_157.
[13] MathWorks. "maha". (2023), dirección: https://www.mathworks.com/help/stats/mahal.html
CITAR COMO:
Víctor Alonso Franco Hernández, Jaime Hugo Puebla Lomas, José Félix Serrano Talamante, "Prototipo de Sistemas de Ayuda al Urólogo en el Reconocimiento del Cambio de Intensidad de la Próstata en las Imágenes RM", Revista ELECTRO, Vol. 45, 2023, pp.230-235.
VERSIÓN PDF