Implementación de métodos para reconocimiento de imágenes para el diagnóstico de cáncer cervicouterino

Abstract

Esta investigación se centra en la implementación de un sistema web desarrollado bajo el lenguaje de programación PHP, mismo que usa el SGBD (Sistema Gestor de Base de Datos) MySQL, mediante el uso del software MATLAB se hace el reconocimiento de imágenes, utilizando técnicas como la segmentación de imágenes de color, algoritmo de máximos y mínimos y distancia euclidiana, realizando el etiquetado de objetos en áreas de interés, todo lo anterior modelado en un sistema web administrado de forma local. El funcionamiento que realiza el sistema es el siguiente: 1: Tomar las muestras de imágenes de la paciente para comenzar con el pre-diagnóstico. 2: Recabar los datos personales de la paciente. 3: Comenzar con la inspección visual de la piel de zona a diagnosticar. 4: Lo siguiente es la inspección visual de la imagen (identificar patologías de forma visual para dar seguimiento a esa patología). 5: Cargar la imagen para el pre-diagnóstico, en esta etapa se carga el apartado en MATLAB donde se realiza la comparación de la imagen de colposcopia con las patologías almacenadas en la base de datos, las cuales cuentan con un diagnóstico del ginecológico, se procede a seleccionar 15 puntos para el análisis tomados con base en el criterio del especialista y con ello comenzar el análisis de la zona afectada con base en los datos recabados y la imagen a procesar. 6: Posteriormente, el sistema solicita los comentarios del especialista y la fecha para próxima cita. 7: Para analizar este proceso el sistema emite el pre-diagnóstico de manera gráfica mediante un documento PDF con los resultados del análisis. El pre-diagnóstico que se emite es entendible, la paciente no necesitar a de un especialista para la interpretación de resultados, se puede apreciar cada uno de los aspectos que el médico indico a lo largo del proceso de captura y análisis permitiéndole a la paciente visualizar cada uno de sus datos para que no se cometan errores en el proceso y poder hacer una análisis nuevo con los datos omitidos o corregidos.