ANEXO - SAPPIsappi.ipn.mx/cgpi/archivos_anexo/20080758_5827.pdf · Como mencionamos, una característica del síndrome es la densidad creciente del hueso, es decir, al observar los

Sistema para la Detección de Picnodisostósis a través del No. Proyecto: 20080758 Procesamiento Digital de Imágenes Radiológicas.

1

ANEXO

PROYECTO 20080758

SISTEMA PARA LA DETECCIÓN DE PICNODISOSTÓSIS A TRAV ÉS DEL PROCESAMIENTO DIGITAL DE IMÁGENES RADIOLÓGICAS

DIRECTOR DEL PROYECTO

M. en C. LAURA MÉNDEZ SEGUNDO

ESCUELA SUPERIOR DE CÓMPUTO

5 de Diciembre de 2008


2

Resumen

El sistema para la detección de Picnodisostosis tiene como objetivo analizar imágenes radiológicas de pacientes para determinar si su estructura ósea presenta características de la patología denominada picnodisostosis, todo ello a través del tratamiento digital de imágenes que involucra la implementación de algoritmos para el tratamiento de imágenes que permiten obtener la mayor información posible de las mismas. Una vez obtenida la imagen, ésta se pasa a través de diferentes procesos que permiten mejorarla, posteriormente se aplican los métodos analizados para detectar las características de esta anomalía genética como son: diferente tonalidad en el color blanco de los huesos o las proporciones irregulares en el tamaño de los huesos faciales.

Introducción En el campo de la genética existen varios padecimientos genéticos los cuales afectan específicamente la estructura ósea del ser humano, dentro de estos padecimientos genéticos se encuentra la picnodisostósis. Picnodisostosis proviene del griego pyknos= denso y Dysostosis = formación anormal de hueso y en una imagen radiológica se puede apreciar que los huesos presentan zonas mas densas de lo normal. Dado que este padecimiento no es muy común resulta difícil, sobre todo para los médicos no especialistas, reconocerse a simple vista y es necesario realizar radiografías a los pacientes para identificar dicho padecimiento. Por lo anterior se ha pensado en construir una herramienta computacional que permita a los médicos no especializados en genética y médicos residentes, analizar las radiografías de huesos con alguna anomalía para ayudar en el diagnóstico del paciente. La picnodisostósis es un desorden raro que se hereda como rasgo genético recesivo autosomal. Este desorden es caracterizado por la estatura corta, la densidad creciente del hueso (osteosclerosis/osteopetrosis), el sub revelado de las extremidades, de dedos con los clavos ausentes o pequeños, clavícula anormal o ausente, y las anormalidades del cráneo con una frente y un bombeo que resaltan en la parte posterior del cráneo causado por el encierro retrasado de la sutura. Por lo anterior se ha pensado en construir un sistema, con una interfaz amigable e intuitiva, que no requiera conocimientos especiales en computación para manejarlo y capaz de auxiliar a médicos residentes que se desean especializar en el campo de la genética en el diagnóstico de un paciente. Como mencionamos, una característica del síndrome es la densidad creciente del hueso, es decir, al observar los huesos del paciente con este síndrome, por medio de una o varias radiografías, se observa que sus huesos son más blancos de lo normal en la parte del contorno de la superficie del hueso. A partir de esta peculiaridad analizáremos una radiografía para diagnosticar la posible presencia del síndrome en un paciente. Nuestra idea es que nuestro sistema detecte que tan rápida o grande se presenta dicha variación de tonos en un hueso, para así poder dar un pre diagnostico. Para realizar este proyecto en el cual se involucra el manejo de imágenes, se han investigado los diferentes algoritmos de tratamiento de imágenes para poder obtener la mayor información posible de la imagen y poder utilizar esta información en la detección de picnodisostosis en los pacientes.


3

Metodología. Selección de la Metodología

El proyecto a desarrollar esta pensado llevarse acabo mediante programación orientada a objetos, limitándonos a esta característica en particular hemos seleccionado de entre este tipo de metodologías la metodología UP acrónimo de Proceso Unificado. Justificación La metodología UP es un tipo de metodología orientada a objetos, clara y sencilla; además nos brinda la posibilidad de llevar a cabo la realización del proyecto de una forma disciplinada; esto acotando los conjuntos de actividades en áreas determinadas mediante los flujos de trabajo. Debido al poco contacto que tenemos con el usuario final, y gracias a la estructura iterativa de esta metodología podemos ofrecer avances al usuario corrigiendo o afinando las particularidades del prototipo inicial logrando de esta manera acercarnos cada vez más al objetivo final mediante la realización de cada iteración. Gracias a la peculiaridad de estar basada en casos de uso y tener un enfoque directamente dirigido a la detección de errores, nos permite ir paso a paso cumpliendo con las especificaciones del usuario; así como detectar errores de tipo operativo en el desarrollo de la solución. Esto solo por mencionar algunas de las ventajas de usar este tipo de metodología. Características Principales Dentro de las principales características de la metodología UP y que conviene para fines de este proyecto mencionar tenemos:

� Dirigido por casos de uso � Centrado en la arquitectura � Proceso iterativo � Sus principales fases son:

o Inicio o Elaboración o Construcción o Transición

� Los flujos de trabajo que maneja son: o Modelado del negocio o Requisitos o Diseño o Implementación o Entorno

� Retroalimentativo � Mitigación de riesgos altos � Verificación de la calidad � Gestión de la complejidad


4

Modelo del Negocio. Para todo desarrollo de software se debe elaborar un modelo de negocio el cual se presenta a continuación: Términos del Negocio (Glosario). LISIS: Desgastamiento de los huesos de las manos específicamente en la zona de la punta de los dedos de las manos; DISPLACIA: Anomalía genética presentada en los huesos. FONTANELA: Región membranosa, no osificada, del cráneo del feto y del recién nacido. ANALISIS: La observación directa del médico a la radiografía en busca de algún síntoma detectable. DIAGNOSTICO: Es el resultado final emitido por el médico en base al análisis realizado. **Se consideran únicamente los conceptos relacionados a procesos en el negocio, tal que dichos conceptos serán vitales en el desarrollo del sistema. Reglas del Negocio.

� Para realizar el diagnóstico del paciente, este debió haber asistido a los análisis de laboratorio de rayos X para generar sus radiografías; es decir, debe contar con las radiografías específicas solicitadas por el médico para la detección de la displacia correspondiente; en este caso la picnodisostosis.

� Los estudios de rayos X pueden ser realizados dentro o fuera del hospital � Para que un paciente pueda ser diagnosticado debe tener una cita. � Para que se le asigne una cita a un paciente este debe contar con expediente en archivo. � El expediente de un paciente solo puede ser modificado, en base a los diagnósticos realizados en cada

cita. � Un paciente debe tener solo un médico de cabecera � El médico puede tener hasta n pacientes. � El médico atiende un paciente por cita, analizando varias radiografías del mismo. � De considerar necesario; se procede a realizar nuevos estudios al paciente que especifiquen o detallen

mas alguna zona que cause incertidumbre al médico. � Es obligación del médico emitir un diagnostico u observación acerca de las imágenes que recibe. � Es importante tratar con sumo respeto la información del paciente, manejándola de manera

confidencial para proteger la integridad de su persona. � El médico esta obligado a mantener lo mas informado posible al paciente acerca de la situación. � El paciente esta en su derecho de solicitar una segunda opinión, dentro del mismo hospital.

Modelo de Casos de Uso del Negocio Actores del Negocio:

� Médico � Laboratorista � Secretaria � Paciente

Casos de Uso del Negocio � Crear Expediente � Agendar Cita � Actualizar Expediente � Analizar � Diagnosticar � Crear Radiografías � Enviar Radiografías


5

A continuación se describen las funciones del sistema utilizando el Diagrama De casos de uso del Negocio.

Crear Expediente

Agendar Cita

Actualizar Expediente

Crear Radiografía

Enviar Radiografía

Diagnosticar

Analizar

Médico

Paciente

Secretaria

Laboratorista

Breve descripción de casos de uso del negocio.

� Crear Expediente: El Paciente acude con la secretaria la cual recaba los datos importantes del

Paciente como lo son: Nombre, Apellidos, Fecha de Nacimiento, CURP, Tipo de Sangre y la Fecha en que agrego el Paciente dentro del archivo.

� Agendar Cita: El Paciente acude con la secretaria; la secretaria busca dentro de la agenda del médico una fecha y horario libre en los cuales el médico recibirá al paciente.

� Actualizar Expediente: El Paciente acude con la secretaria para informar el cambio en alguno de sus datos personales. También ocurre cuando un doctor agrega una radiografía dentro del expediente de algún paciente.

� Analizar: El médico observa una o varias radiografías pertenecientes a un mismo Paciente en busca de anomalías.

� Diagnosticar: El médico genera una diagnostico con las observaciones y conclusiones obtenidas después de haber realizado un análisis.

� Crear Radiografías: El Paciente acude al laboratorio del hospital, donde el laboratorista saca una o varia radiografías al paciente.

� Enviar Radiografías: El laboratorista, una vez que han sido “reveladas” las radiografías de un paciente, acude con el médico correspondiente y hace entrega de las radiografías.


6

Modelo de dominio.

Radiografia

+Ruta+FechaAdicion

Medico

+NSS+Nombre+App+Apm+FechaNacimiento+FechaContratacion+NoCedula+Direccion+Telefono

Expediente

+FechaCreacion+Estado

Diagnostico

+TipoDiagnostico+FechaCreacion

Paciente

+FechaRegistro+CURP+TipoSangre+Nombre+App+Apm+FechaNacimiento+Direccion+Telefono

Tiene

1

1

Atiende

0..*1

1

1

1

0..*

Secretaria

+Nombre+App+Apm+NSS

Laboratorista

+Nombre+App+Apm+NSS

Crea

1..*1

Administra

1..*

1

Modelo de Casos de Uso del Sistema Actores Del Negocio Actores del Sistema Médico Médico Secretaria Administrador Paciente Laboratorista Se han identificados dos actores, el primero de ellos es el médico. Un médico podrá usar el sistema para generar un pre diagnostico, para dar el alta y baja de un pacientes así como poder modificar sus datos personales y los de los pacientes, también podrá crear, eliminar, modificar y consultar los expedientes. El segundo actor identificado es el administrador que podría verse, dentro del negocio, como el jefe de departamento. Este tipo de usuario además de poder realizar las funciones que realiza un médico puede dar de alta y baja a nuevos usuarios del sistema así como consultar los cambios realizados dentro del sistema (altas, bajas de usuarios o pacientes, etc.) e imprimir estos reportes. Dado que varias operaciones son efectuadas por ambos actores, estos se pueden generalizar en un nuevo actor denominado Usuario. Este nuevo actor podrá utilizar las funciones permitidas a un médico.

Casos de Uso del Sistema

� Importar Imagen � Gestionar Expediente � Gestionar Paciente � Realizar análisis � Gestionar Usuarios � Consultar Bitácora � Buscar Ayuda � Validar Permisos � Cerrar Sesión


7

Diagrama de Casos de Uso del Sistema (Nivel 0 o de Contexto).

System

Gestionar Pacientes

Consultar Bitácora

Gestionar Expediente

Gestionar Usuarios

Buscar Ayuda

Importar Imagen

Validar Permisos

Realizar Análisis

Cerrar Sesión

Usuario

Administrador

Médico

Procesar Imagen

<<include>>

<<include>>

<<include>>

<<include>>

<<include>>

<<include>>

<<include>>


8

Modelo de Análisis.

Realización de Casos de Uso. La realización de casos de uso es un proceso en el que describimos las colaboraciones que llevan a cabo los casos de uso (del sistema) principales. Para ello hay que encontrar, como primer paso las clases de análisis para cada caso de uso y posteriormente, las colaboraciones existentes entre estas (diagrama de colaboración). Además se realiza una breve descripción textual de los atributos y las responsabilidades para cada clase de análisis. Una clase de análisis representa una abstracción de una o varias clases y/o subsistemas del diseño. Características:

• Se centra en el tratamiento de requisitos funcionales y pospone los no funcionales para el diseño. • Su comportamiento se define mediante “responsabilidades” en un nivel más alto y menos formal. • Define atributos en un nivel también conceptual y reconocibles en el dominio del problema • Las relaciones entre clases del análisis también son más conceptuales. Por ejemplo no se da

importancia a la navegación de la relación. • Las clases de análisis siempre encajan en alguno de los estereotipos básicos: de interfaz, de control, o

entidad. o Clases entidad: se derivan de las clases entidad del negocio (dominio). o Clases de control: encapsulan el control de casos de uso, o cálculos complejos. o Clases de interfaz: modelan la interacción entre actores y el sistema.

Diagramas de clases de análisis y colaboración.

Importar imagen.

• Clases de Control: Control de Imagen Control de Paciente Control de Usuario Control de Ayuda Control de Bitácora Control de Expediente Control de Análisis Control de Permisos

• Clases Entidad: Usuario Paciente Expediente Radiografía Diagnostico Cuenta de Usuario Evento Bitácora Tema de ayuda

• Clases de interfaz o Frontera: IU_Gestionar_Usuario IU_Gestionar_Paciente IU_Gestionar_Expediente

IU_Análisis IU_Bitácora IU_ImportarImagen IU_ValidarPermisos IU_Ayuda IU_Principal


9

Gestionar usuarios.


10

Paquetes de Análisis.

Los paquetes proporcionan un medio para organizar el modelo de análisis en piezas más pequeñas y manejables. Una identificación inicial se hace de manera natural basándonos en los requisitos funcionales y en el dominio de problema, agrupando un cierto número de casos de uso en un paquete concreto. Algunos criterios para agrupar casos de uso son:

- Casos de uso para dar soporte a un determinado proceso de negocio. - Casos de uso para dar soporte a un determinado actor del sistema. - Casos de uso relacionados mediante relaciones de generalización y de extensión.

A partir de lo anterior se han detectado tres paquetes de análisis básicos los cuales son independientes y cuya funcionalidad de cada uno depende solo de sí mismo. Además, cada paquete de análisis puede estar compuesto de paquetes de servicios los cuales representa un conjunto coherente de acciones relacionadas funcionalmente. Dichos paquete se enlistan a continuación:

• Paquete de adquisición y procesado de una radiografía (imagen digital). o Importar imagen o Procesar imagen

• Paquete gestor de base de datos o Gestionar usuarios o Gestionar pacientes o Gestionar expedientes o Buscar ayuda o Consultar bitácora

• Paquete analizador (clasificador) de radiografías. o Analizar


11

Descripción de la arquitectura. La arquitectura básica del sistema se muestra en el siguiente diagrama de bloques

Como entrada tenemos una imagen digital (radiografía digitalizada) adquirida ya sea por medio de un escáner especializado o por medio de un dispositivo de almacenamiento (disco duro, memoria USB, etc.) una vez que es importada la imagen pasa por un procesado el cual se encarga de optimizar la imagen (aplicando distintos algoritmos de filtrado, segmentación, etc.) para su posterior análisis, también se realiza la medición de rasgos para su análisis. Enseguida se almacenan los datos obtenidos de la etapa de procesado y se le permite al usuario asociar las imágenes con un paciente por medio de un expediente. Por último la etapa de análisis se encarga de, a partir de las radiografías de un expediente y mediante un algoritmo de clasificación, identificar en qué estado se encuentran las radiografías (“normales” o afectadas) y de esta manera entregar al usuario un pre diagnostico para el expediente.

Modelo de diseño.

Elección de herramientas para el desarrollo Sistema Gestor de Base de Datos (SGBD) Un sistema gestor de base de SGBD es una agrupación de programas que sirven para definir, construir y manipular una base de datos. En este proyecto se utiliza:

• My SQL.

o El principal objetivo de My SQL es velocidad y robustez. o Soporta gran cantidad de tipos de datos para las columnas. o Gran portabilidad entre sistemas, puede trabajar en distintas plataformas y sistemas operativos. o Cada base de datos cuenta con 3 archivos: Uno de estructura, uno de datos y uno de índice y

soporta hasta 32 índices por tabla. o Aprovecha la potencia de sistemas multiproceso, gracias a su implementación multi hilo.


12

o Flexible sistema de contraseñas (passwords) y gestión de usuarios, con un muy buen nivel de seguridad en los datos.

o El servidor soporta mensajes de error en distintas lenguas o Bajo costo en requerimientos para la elaboración de bases de datos, ya que debido a su bajo

consumo puede ser ejecutado en una máquina con escasos recursos sin ningún problema. o Facilidad de configuración e instalación. o Licencia libre (GNU GPL).

Basándonos en las características anteriores hemos decidido usar para el desarrollo del sistema My SQL, principalmente por ser un SGDB de licencia libre y con soporte para varios sistemas operativos. Lenguaje de programación. Los lenguajes de programación propuestos para llevar a cabo el análisis de optimalidad fueron considerados en base al tipo de procesamiento que vamos a realizar, recordemos que puramente nos interesan dos aspectos; el procesamiento de la imagen y la conexión con My SQL. De una lista de Lenguajes de desarrollo propuesta se tomaron, para fines de evaluación, los siguientes lenguajes de programación:

� Borland C++ Builder Enterprise � Java [NetBeansIDE 6.1] � C#

En la siguiente tabla comparativa se muestra el resultado de cada una de las pruebas aplicadas a los tres lenguajes de programación propuestos:

TABLA COMPARATIVA GENERAL Lenguaje de

Programación Licencia Plataforma Vel Proc Conexión a BD Manejo del Lenguaje

Builder C++ Borland

(privativa) Windows 98 – XP(SP2) X Media Mínimo

Java

Sun Microsystems

(libre) Multiplataforma (limitada) X Fácil Avanzado

C#

Microsoft (libre en su

versión express) Multiplataforma (limitada) X Fácil Medio

Tabla comparativa "Velocidad Promedio"

Lenguaje de Programación Lectura Negativo Binarización Prom Vel Builder C++ 1.77 s 0.75 s 0.72 s X

Java X


13

C# X En base a los resultados obtenidos y estableciendo un balance de prioridades en cuanto a que característica es prioritaria para el desarrollo del proyecto; hemos decidido desarrollar el sistema en Java, utilizando como IDE de desarrollo NetbeansIDE 6.1.


14

Diagrama entidad relación.

Diagrama de Clases.

Bitacora

-FechaCreacion: Date

Radiografia

-Ruta: String-FechaAdicion: Date+Estado: boolean

Persona

-Nombre: String-App: String-Apm: String+Sexo: char-FechaNacimiento: Date-Telefono: String-Direccion: String

Cuenta

-IdCuenta: String-Password: String-TipoCuenta: boolean

Usuario

-NSS: String-FechaContratacion: Date-NoCedula: String

Expediente

-FechaCreacion: Date-Estado: boolean

Diagnostico

-TipoDiagnostico: byte-FechaCreacion: Date-Descripcion: String

Paciente

-FechaRegistro: Date-CURP: String-TipoSangre: String

Evento

-TipoEvento: byte-HoraSuceso: Date-Descripcion: String

+1

+1

Tiene

1

1

Atiende 0..*1

1

1

1

0..*

Consulta

+*+1

TemaAyuda

-Nombre: String-Contenido: String-TemasAsociados: String[N]-UltimaActualizacion: Date

Busca

0..*

1


15

Presentación de Avances de Algoritmos. Para la adquisición de la imagen se esta manejando un formato de 24 bits; mostramos a continuación un ejemplo, con el cual estaremos trabajando los algoritmos desarrollados:

Imagen 1.0 – “Imagen Original, formato 24 bits”

Para el tratamiento digital de la imagen empleamos los siguientes algoritmos: Filtro de la Imagen: Los filtros que utilizamos son específicamente dos: � El Filtro de Cerradura

� Para rellenar los espacios en blanco del fondo de la imagen y resaltar u homogeneizar el valor del blanco dentro de la imagen.

� El filtro Apertura - Cerradura

� Para ampliar los blancos de la imagen que nos interesa y cerrar los blancos restantes del fondo.


16

Ambos filtros son filtros morfológicos, toman como base la Erosión y la Dilatación que no es otra cosa sino la convolución de una mascara contra la imagen discriminando los valores reales de la imagen por los MAXIMOS o MINIMOS localizados dentro de la mascara en cada desplazamiento por la imagen. Es importante mencionar que para la creación de la mascara de convolución estamos empleando un elemento estructura a 8 conexas. A continuación se muestra las respectivas imágenes de ambos la aplicación de ambos algoritmos, a la imagen original se le paso el filtro de cerradura obteniendo el siguiente resultado:

Figura 1.1 “Filtro Cerradura”

Como podemos apreciar, este filtro básicamente lo que hace es llenar los huecos blancos por sus vecinos más cercanos, en este caso valores negros homogeneizando el fondo, reduciendo así los rayones y manchas del fondo. Ahora bien; para detallar la imagen resultante aplicamos el segundo filtro que no es sino una evolución del primero. Básicamente las operaciones a implantar son aplicarle una apertura a la imagen para ampliar el nivel de blanco del objeto y posteriormente aplicar una cerradura a esta apertura para volver a homogeneizar el negro en el fondo de la imagen rellenando los espacios en blanco.


17

El resultado de este filtro se aplico a la imagen anterior, se muestra a continuación el resultado de la aplicación del algoritmo:

Figura 1.2 “Filtro Apertura - Cerradura”

Cambio de Dominio de Color a Dominio de Escala de Grises. Generalmente antes de convertir la imagen a monocroma o aplicarle la Binarización se tiene por costumbre manejar la imagen a escala de grises; para el manejo de la manipulación de contraste y luminosidad o brillo, necesitaremos aplicar el algoritmo de conversión a escala de grises; mismo que se muestra a continuación:


18

Figura 1.3 “Escala de Grises”

Negativo. Para una mejor apreciación de los detalles dentro de la imagen decidimos manejar el negativo de la imagen; además de que para nosotros nos da un orden mas claro en cuanto a la detección de los bordes. Los resultados de este algoritmo sobre la imagen de escala de grises se muestran a continuación (figura 1.4):


19

Figura 1.4 “Negativo (Sobre la Escala de Grises)”

Binarización. Dentro de la detección de forma y manejo de distancias que se tiene pensado implantar (mas adelante) para el manejo de proporciones en la detección de las formas; se tiene pensado binarizar la imagen para reducir el consumo de memoria de la aplicación. Para llevar a cabo la binarización tomamos la técnica de umbralización; y la aplicamos sobre la imagen “Negativo”; el umbral que manejamos es de 210 (para fines de este ejemplo) y la imagen resultante se muestra a continuación:


20

Figura 1.5 “Binarización del Negativo”

Para quitar los puntos negros que quedaron fuera del objeto, volvemos a pasar el filtro de cerradura sobre la imagen obtenida; obteniendo así el siguiente resultado:

Figura 1.6 “Cerradura sobre Binarización”


21

Detección de Bordes. Se tiene pensado implantar el algoritmo de detección de bordes para realizar el análisis y la detección de la Lisis (rasgo a evaluar que aun se esta contemplando meter dentro del esquema de detección); tomamos el algoritmos para la detección de bordes empleando una mascara de convolución Laplaciano. La suma a cero la obtenemos de los valores del centro y sus bordes entre los números de 8 y -8.

-1 -1 -1 -1 8 -1 -1 -1 -1

Figura 1.7 “Mascara de Convolución”

Este algoritmo se aplica a la imagen binarizada previamente filtrada, obteniendo los siguientes resultados:

Figura 1.8 “Detección de Bordes por Laplaciano”


22

Aplicamos el efecto de negativo únicamente para una visualización más cómoda al ojo humano.

Figura 1.9 “Negativo de la Detección de Bordes”


23

Conclusiones

Hasta este punto, lo que se ha desarrollado son las técnicas para el tratamiento de imágenes radiológicas que constituyen el paso previo al análisis de la imagen en cuanto a la detección de picnodisostosis, se continúa investigando sobre los puntos que deben tomarse en cuenta sobre la imagen para definir las características de un cráneo normal y realizar comparaciones con imágenes de cráneos con pacientes con picnodisostosis que es el siguiente punto a realizar una vez que se ha procesado la imagen con el fin de obtener la mayor información posible. Se pretende que este sistema sea utilizado en el Hospital Infantil de México Federico Gómez como herramienta de apoyo para médicos residentes y médicos no especialistas en genética. Referencias. [1] Kenneth Lyons Jones, David W. Smith “Patrones reconocibles de malformaciones humanas”, Smith, Sexta Edición. [2] Sistema analizador de imágenes radiológicas para la detección de escoliosis, TT2007-073, 2007, Director. [3] Roger S. Pressman. “Ingeniería del Software. Un Enfoque Practico”, Mc Graw Hill, Quinta Edición, Capitulo 2. [4] Tratado de Patología Bucal . William G. Shafer, Maynard K. Hine, Barnet M. Levy, Charles E. Tomich. Ed. Interamericana. México, 1986. 940 Pág. [5] Atlas de diagnóstico de imágenes radiográficas de la Cavidad Bucal. Tomomitsu Higashi, Jimmy K. Chen Shiba, Hiroyuky Ikuta. Ed. Actualidades Médico Odontológicas Latinoamérica, C.A. Venezuela, 1992. 270 Pág.

Documents

ANEXO - SAPPIsappi.ipn.mx/cgpi/archivos_anexo/20080758_5827.pdf · Como mencionamos, una característica del síndrome es la densidad creciente del hueso, es decir, al observar los