Tesis Completa Abraham - correciones final

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA

UNIDAD ZACATENCO

SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN

“Estudio espectrométrico de piel con luz blanca

y luz ultravioleta de 365nm”

TESIS

Que para obtener el grado de

MAESTRO EN CIENCIAS EN INGENIERÍA ELECTRÓNICA

PRESENTA

ING. ABRAHAM ESCOBAR PÍO

DIRECTORES DE TESIS

DR. JOSÉ MANUEL DE LA ROSA VÁZQUEZ

DR. SUREN STOLIK ISAKINA

México D.F., enero 2015

i

ii

CARTA CESIÓN DE DERECHOS

En la Ciudad de México, D.F. el día 08 del mes de diciembre del año 2014, el que

suscribe Abraham Escobar Pío alumno del Programa de Maestría en Ciencias en

Ingeniería Electrónica, con número de registro B120760, adscrito a la Sección de

Estudios de Posgrado e Investigación, manifiesta que es el autor intelectual del

presente trabajo de Tesis bajo la dirección del Dr. José Manuel de la Rosa Vázquez y del

Dr. Suren Stolik Isakina y cede los derechos del trabajo titulado Estudio

espectrométrico de piel con luz blanca y luz ultravioleta de 365nm, al Instituto

Politécnico Nacional para su difusión, con fines académicos y de investigación.

Los usuarios de la información no deben reproducir el contenido textual, gráficas o

datos del trabajo sin el permiso expreso del autor y/o directores del trabajo. Este puede

ser obtenido escribiendo a las siguientes direcciones [email protected],

[email protected] y [email protected]. Si el permiso se otorga, el usuario

deberá dar el agradecimiento correspondiente y citar la fuente del mismo.

Abraham Escobar Pío

INSTITUTO POLITÉCNICO NACIONAL

SECRETARÍA DE INVESTIGACIÓN Y POSGRADO

iii

Resumen

En esta investigación se hace uso de la fotografía digital con iluminación de luz blanca y

luz ultravioleta (365 nm) y de sus correspondientes espectroscopias de reflectancia

difusa y fluorescencia para el estudio de lesiones en piel de 50 pacientes del

Departamento de Dermatología del Hospital General Manuel Gea González de la Cd. de

México. Se desarrollaron fuentes de iluminación basadas en LEDs de luz blanca cálida,

y Ultra-Violeta de 365 nm. Se usó una cámara digital SONY Cyber-shot DSC-HX200V.

En una PC se implementó software para que el médico pudiese elegir la zona de la

lesión y una zona de las mismas dimensiones de tejido sano en la imagen digital para su

análisis, a través de histogramas RGB, y calcular la intensidad relativa del tejido

anormal respecto al tejido normal. Con las mediciones de intensidad relativa se

pudieron diferenciar lesiones pigmentadas en pacientes con fototipo III y IV. Las

mediciones espectroscópicas se realizaron con un sistema basado en un espectrómetro

HR4000CG-UV-NIR y una fibra óptica bifurcada R200-ANGLE-UV de la firma Ocean

Optics, las fuentes de luz usadas para el estudio espectroscópico son del mismo tipo que

las usadas para la iluminación en la toma de imágenes. El diagnóstico de los

padecimientos estudiados fue establecido de las biopsias practicadas a los pacientes por

el Departamento de Histopatología del Hospital.

Abstract

Digital photography, under with white light and UV light illumination, and their

corresponding diffuse reflectance and fluorescence spectroscopy, was used for the

study of skin lesions in 50 patients of the Dermatology Department of the Hospital

General Manuel Gea González in México City. Light sources based on warm white and

Ultra-Violet 365 nm LED´s, were developed. A SONY Cyber-shot DSC-HX200V digital

camera was used. Software was implemented in a PC so that physicians could choose

the lesion area and an area of the same dimensions of healthy tissue of the image for

analysis via RGB histograms. The relation of the lesion tissue intensity to the normal

tissue intensity was useful to differentiate pigmented skin lesions in phototype III and

IV patients. Spectroscopic measurements were performed using a system based on a

HR4000CG-UV-NIR spectrometer and an optical bifurcated fiber R200-ANGLE-UV,

both from Ocean Optics, light sources used for the spectroscopic study are the same

type as those used for photographic illumination. The diagnosis of the tissue conditions

was established from biopsies performed on the patients by the Histopathology

Department in the Hospital.

iv

Agradecimientos

Para realizar este trabajo de tesis quiero agradecer a las personas que me apoyaron y

han puesto en mí, algo importante.

Dios te doy gracias por abrir mi mente cada día, me has llevado en un camino seguro

donde lo mejor está por llegar, gracias por darme salud, tranquilidad, paz, alegría y los

deseos de superarme.

Mamá eres la mujer que ha marcado mi vida, tu ejemplo de sacrificio, trabajo,

responsabilidad, valores y firmeza, hasta el día de hoy lo he usado como herramienta

para luchar ante la vida. Cada vez que camino por los pasillos del politécnico, respiro tu

aroma, tu sencillez, tu sonrisa, puedo recordar cuando te agarraba de la mano hace

muchos años y sentía tu seguridad que me protegía de cualquier cosa, tu esencia está en

todo este lugar, te amo y te honro como la mujer que luchó por su familia y construyó

los cimientos de progreso y prosperidad que tus nietos y bisnietos te estarán

eternamente agradecidos. Gracias por enseñarme a amar a Dios.

Papá eres un hombre adelantado a tu tiempo, inteligente, visionario, esforzado, nunca

estático, siempre activo, hombre de fe, amoroso, respetuoso, que enseñas con el

ejemplo. Definitivamente has dejado huella en mí, cada paso que doy estás a mi lado,

apoyándome, inspirándome confianza de que el futuro es el producto de lo que

hacemos hoy, he aprendido de ti que el éxito se logra de la noche a la mañana, 15 años

para ser preciso, muchas gracias por enseñarme el camino correcto, por darme

felicidad toda mi vida. Eres el constructor de un legado que permanecerá por mucho

tiempo y que tendrá continuidad en tu descendencia, Papá te amo y te honro, gracias

por enseñarme a amar a Dios.

Lucy, mi hermana mayor, estoy tan agradecido contigo, has marcado mi vida con

ternura, protección, apoyo, alegría y humildad, eres tan inteligente y exitosa, que

simplemente estar un paso atrás tuyo sería un orgullo poderlo alcanzar. Gracias por

preguntarme constantemente ¿Cómo te va?, ¿Necesitas algo?, te amo hermana, eres

una parte importante en mi desarrollo personal.

Betty, mi hermana de en medio, ¿Te acuerdas los momentos que pasamos juntos

cuando estábamos solteros?, ¡Cómo anhelo esos tiempos!, gracias por influenciarme

creatividad, mi gusto por la música es gracias a ti, tu siempre haces cosas nuevas,

v

marcas la pauta, me has enseñado que las cosas se hacen bien desde la primera vez, te

amo hermana, eres una parte importante en mi desarrollo personal.

Gilda esposa mía, gracias por apoyarme en mis decisiones, por estar conmigo en las

buenas y en las malas, en la salud y en la enfermedad, en nuestros proyectos, gracias

por cuidarme y respetarme, eres mi mejor amiga, eres el puerto seguro donde anhelo

llegar, eres mi alegría. Este logro te lo dedico a ti, porque cada cosa que emprendo tú

estás conmigo trabajando en equipo, eres una parte vital para que yo pueda funcionar,

para que pueda soñar. Gracias por darme 3 alegrías que me inspiran a ser mejor cada

día, te amo y te honro, eres mi mejor decisión en la vida.

Abraham mi hijo primogénito, gracias por darme el privilegio de ser padre, te amo hijo

y este logro también te lo dedico y que sea un ejemplo para que te superes cada día, yo

sé y creo fervientemente en mi corazón que serás alguien importante para este país,

prepárate, sueña y conquista.

Shirley mi hija de en medio, gracias por darme la alegría de vivir la ternura, eres la

prueba viviente que los milagros existen, tienes una misión importante en este mundo.

Te amo hija, me gustan tus travesuras. Te dedico este logro, prepárate, sueña y

conquista.

Gildita mi hija menor, eres el sueño que yo tuve desde que me casé, tu necesidad de mí

es algo que me vuelve vulnerable ante ti, tienes una autoridad de mando que sólo Dios

lo pudo poner en ti desde pequeñita. Te dedico este logro y recuerda que tu hermano

será la llave que abrirá la puerta para que tú cumplas el propósito de Dios en este país,

prepárate, sueña y conquista.

Le doy gracias a mis suegros Sergio y Gilda que me han apoyado en todo lo que me he

propuesto, son como mis segundos padres, los amo y los honro, también quiero

agradecer a Jenny mi cuñada por el apoyo y amor a mi familia.

Agradezco el apoyo de mis cuñados Mauricio y Pablo que me han apoyado en todo lo

que les he pedido, gracias por su apoyo económico cuando lo necesité, les estoy

eternamente agradecido.

Annie, Pao, Mely, Karen, Mau y Pablito, los amo, el tesoro más grande que pueden

tener es el conocimiento, supérense en sus estudios y lograrán lo que deseen.

vi

José Luis Arellano gracias por ser mi amigo y por ser el propulsor para llevarme a otro

nivel de fe, te amo y te respeto, como a tu hermosa familia.

Dr. José Manuel De la Rosa Vázquez, gracias por compartir sus invaluables

conocimientos para el desarrollo de este trabajo de tesis, ha demostrado a través de los

años que tengo de conocerlo que es una gran persona, lo admiro y lo respeto, gracias

por brindarme su amistad, es un privilegio trabajar a su lado.

Dr. Suren Stolik Isakina, gracias por dar orientación y conocimiento a este trabajo de

tesis, agradezco sus comentarios y observaciones, que me ayudaron en gran manera,

admiro su inteligencia y la gran persona que es.

Agradezco a los Doctores que integraron la comisión revisora de este trabajo de tesis

por aportar sus conocimientos y comentarios constructivos para mejorar este trabajo,

al Dr. Francisco Javier Gallegos Funes, al Dr. José Alberto Pérez Benítez, al Dr. José

Alberto Delgado Atencio y al Dr. Alberto Jorge Rosales Silva.

Agradezco al Departamento de Dermatología del Hospital General “Dr. Manuel Gea

González”, en especial a la Dra. Stefanie Arroyo Camarena, médico residente nivel R4,

que trabajó en conjunto para lograr este trabajo de tesis.

Agradezco a todo el personal académico, al personal de apoyo y a la comunidad

estudiantil de la Maestría en Ciencias en Ingeniería en Electrónica de la ESIME

Zacatenco.

vii

“Si puedes creer, al que cree todo le es posible”

Jesucristo

“El genio se compone del dos por ciento de talento

y del noventa y ocho por ciento de

perseverante aplicación.”

Ludwig van Beethoven

viii

Índice general

Acta de Revisión de Tesis………………………………………………………………………………..i

Carta de Cesión de Derechos ………………………………………………………………………….ii

Resumen …………………………………………………………………………………………………….iii

Abstract………………………………………………………………………………………………………iii

Agradecimientos……….…………………………………………………………………….…………...iv

Índice General……………………………………………………………………………………………viii

Índice de Figuras……………………………………………………………………………………….....x

Índice de Tablas ………………………………………………………………………….……………...xii

Acrónimos y Abreviaturas …………………………………………………………………………..xiii

Objetivo …………………………………………………………………………………………………….xiv

Justificación ………………………………………………………………………………………………xiv

Capítulo 1. Estado del Arte.……………………………………………………………………….…….1

1.1 Técnicas ópticas convencionales en la dermatología actual. ..……………………………….…….…1

1.2 Las espectroscopias de reflexión difusa y fluorescencia en la dermatología. .......................2

1.2.1 Reflectancia difusa. …………………………………………………………………………………….3

1.2.2 Espectroscopia óptica de fluorescencia. ………………………………………………………..5

1.2.2.1 Fenómeno de fluorescencia. …………………………………………………………..5

1.2.2.2 Espectros de fluorescencia. ……………………………………………………………6

1.3 Imágenes y color con la fotografía digital. .…..…………………………………………………………….7

1.3.1 Fotografía digital. .………………………….…………………………………………………………..8

1.3.2 Representación de imágenes digitales. .………………………………………………………..9

1.3.3 Colores en el procesamiento de imágenes. …………………………………………………..10

1.3.4 Modelo RGB. …………………………………………………………………………………………….13

1.3.5 Histogramas. …………………………………………………………………………………………….15

1.3.6 Intensidad luminosa en imágenes RGB. ………………………………………………………16

1.4 Objetivos de este trabajo. ……………………….….……………………………………….…………………..16

Referencias. ..………………………………………………………………………………………………………………….17

Capítulo 2. Sistema Desarrollado…………………………………………………………………..18

2.1 Fuente de corriente para LEDs. ……………………………………………………………………………….19

2.1.1 LED Blanco. .…………….………………………………………………………………………………19

2.1.2 LED UV de 365 nm. ..………………………………………………………………………………...19

2.1.3 Diseño de la fuente de corriente. ..…………………………….………………………………..20

2.1.4 Eficiencia de la fuente de corriente. ..…………………………………………………………..22

2.2 Fotografía de tejido biológico. ..……………………………………………………………………………….23

2.2.1 Cámara fotográfica digital. ..……………………………………………………………………….23

2.2.2 Fotografía con luz blanca y UV. …………………………………………………………………..24

2.3 Espectroscopia de tejido biológico. ………………………………………………………………………….24

ix

Referencias. ..…………………………………………………………………………………………………………………26

Capítulo 3. Mediciones. ..……………………………………………………………………………..27

3.1 Análisis de imágenes. ……………………..…………………………………………………………………….…28

3.1.1 Imágenes de lesiones, Cáncer Basocelular. ….……..………………………………………..29

3.1.2 Mediciones en Imágenes de lesiones, Cáncer Basocelular.……….……………………..32

3.1.3 Imágenes de lesiones, Nevo Intradérmico. ..…………………………………………………33

3.1.4 Mediciones en Imágenes de lesiones, Nevo Intradérmico. …………..………………..35

3.1.5 Imágenes de lesiones, Cáncer Espinocelular. ……………………………………………….36

3.1.6 Mediciones en Imágenes de lesiones, Cáncer Espinocelular. …………………………38

3.1.7 Imágenes de lesiones, Melanoma. ………………………………………………………………39

3.1.8 Mediciones en Imágenes de lesiones, Melanoma. ………………………………………..40

3.1.9 Intensidad de lesiones en pacientes con fototipo II. ……………………………………..41

3.1.10 Intensidad de lesiones en pacientes con fototipo III. …………………………………….41 3.1.11 Intensidad de lesiones en pacientes con fototipo IV. …………………………………….42

3.1.12 Discusión relativa a este resultado. ……………………………………………………………..44

a) Propiedades ópticas y génesis de cromóforos en la piel. …………………………….44

b) Efectos de los cromóforos en la coloración de piel normal. ……………………….45

c) Efectos de los cromóforos en lesiones pigmentadas (melanoma, NID y CBC).45

3.1.13 Intensidad de lesiones en pacientes con fototipo V. ………………………………………46

3.2 Espectroscopia de reflectancia difusa y fluorescencia en lesiones. ………………………………46

Referencias. ..…………………………………………………………………………………………………………………52

Capítulo 4. Conclusiones y trabajo a futuro. ….……………………………………………...53

4.1 Conclusiones. ………………………………………………………………………………………………………...53

4.2 Mejoras en fotografías digitales de lesiones en piel. …………………………………………………..55

4.3 Recomendaciones para el trabajo a futuro. ……………………………………………………………….57

Referencias. …………………………………………………………………………………………………………………..58

Apéndices. …………………………………………………………………………………………………59

I. Código fuente del PIC18F2550 para el control de la fuente de luz. ………………………….59

II. Software para el análisis de imágenes digitales. …………………………………………………….61

III. Código fuente del software de análisis de imágenes………………………………………………..67

x

Índice de Figuras

Figura 1.1 Dermoscopio. ………….……………………....……………………………………......................1

Figura 1.2 Biopsia de piel. ………………………………...…………………………………………………….…1

Figura 1.3 Lámpara de Woods. ………………………………………………………………………………….2

Figura 1.4 Microscopio de fluorescencia. ……………………………………………………………………2

Figura 1.5 a) Imagen con luz blanca, b)Imagen con luz UV con lámpara de Woods. ……....2

Figura 1.6 Algunos fenómenos presentes en la interacción de la luz con el tejido biológico.3

Figura 1.7 Diagrama de Jablonski. .………….…………………………………………………………………5

Figura 1.8 Espectros de fluorescencia. ………………………………………………………………….…….7

Figura 1.9 Matriz de sensores en 2D. ..……….……………………………………………………………….8

Figura 1.10 Proceso de adquisición de una imagen digital. ….…………………………………………9

Figura 1.11 Espectro de color visto, pasando luz blanca a través de un prisma......…………..11

Figura 1.12 Longitudes de onda del espectro electromagnético visible. ….………………………11

Figura 1.13 Diagrama de la sección transversal del ojo humano. …………………………………..12

Figura 1.14 Absorción de la luz por el ojo humano. ………………………………………………………13

Figura 1.15 Esquema del cubo de color RGB. ………………………..………………………….………….14

Figura 1.16 Cubo de color RGB de 24 bits. ………………………………………………………………….14

Figura 1.17 Histogramas RGB de una imagen digital. ………………………………………………….15

Figura 2.1 Sistema desarrollado. ……………………………………………………………………………..18

Figura 2.2 LED MOLEX 800 QXRA Series, 180081-22. …………….….…………………………..19

Figura 2.3 LED NC4U133A (T). …………….….……………………………………………………………..19

Figura 2.4 Driver de LEDs RCD-24-1.00/PL/A. …………….….………………………………….…..20

Figura 2.5 Diagrama de la fuente de corriente. …………….….………………………………….…….21

Figura 2.6 Fuente de corriente, alimentando LED UV. …….………………………………….…….22

Figura 2.7 Potencia óptica del LED blanco. …………………….………………………………….…….22

Figura 2.8 Potencia óptica del LED UV. …………………….………………………………….………...23

Figura 2.9 Cámara SONY Cyber-shot DSC-HX200V. …………………….……………………….…24

Figura 2.10 Esquema del arreglo usado para la espectroscopia. ……………………………………25

Figura 3.1 Paciente 6 CBC, izq. Luz blanca, der. Luz UV. …………………………………………….29

Figura 3.2 Paciente 7 CBC, izq. Luz blanca, der. Luz UV. ...………………………………………….29

Figura 3.3 Paciente 9 CBC, izq. Luz blanca, der. Luz UV. …………………………………………….29

Figura 3.4 Paciente 14 CBC, izq. Luz blanca, der. Luz UV. ..…………………………………………29

Figura 3.5 Paciente 22b CBC, izq. Luz blanca, der. Luz UV. ...…………………………………..….30

Figura 3.6 Paciente 34 CBC, izq. Luz blanca, der. Luz UV. ……………………………………….….30

Figura 3.7 Paciente 39 CBC, izq. Luz blanca, der. Luz UV. ...………………………………….…….30

Figura 3.8 Paciente 42 CBC, izq. Luz blanca, der. Luz UV. ...………………………………………..30

Figura 3.9 Paciente 44CBC, izq. Luz blanca, der. Luz UV. ...………………………………….……..30

Figura 3.10 Paciente 44bCBC, izq. Luz blanca, der. Luz UV. ...………………………………….…...31

Figura 3.11 Paciente 46CBC, izq. Luz blanca, der. Luz UV. ...…………………………………….…..31

Figura 3.12 Paciente 46bCBC, izq. Luz blanca, der. Luz UV. ...…………………………………….…31

xi

Figura 3.13 Paciente 47CBC, izq. Luz blanca, der. Luz UV. ..……………………………………….…31

Figura 3.14 Paciente 48CBC, izq. Luz blanca, der. Luz UV. ...………………………………………...31

Figura 3.15 Paciente 15 NID, izq. Luz blanca, der. Luz UV. ……………………………………………33

Figura 3.16 Paciente 29 NID, izq. Luz blanca, der. Luz UV. ………………………………………..….33

Figura 3.17 Paciente 30 NID, izq. Luz blanca, der. Luz UV. ...……………………………………..…33

Figura 3.18 Paciente 30b NID, izq. Luz blanca, der. Luz UV. ...………………………………………33

Figura 3.19 Paciente 31 sup. NID, izq. Luz blanca, der. Luz UV. ...………………………………….34

Figura 3.20 Paciente 31b inf. NID, izq. Luz blanca, der. Luz UV. ..………………………………….34

Figura 3.21 Paciente 36 NID, izq. Luz blanca, der. Luz UV. ……….…………………………………..34

Figura 3.22 Paciente 41 NID, izq. Luz blanca, der. Luz UV. ……….…………………………………..34

Figura 3.23 Paciente 41b NID, izq. Luz blanca, der. Luz UV. ……….………………………………...34

Figura 3.24 Paciente 49 NID, izq. Luz blanca, der. Luz UV. ..……….………………………………...35

Figura 3.25 Paciente 50 NID, izq. Luz blanca, der. Luz UV. ..……….………………………………...35

Figura 3.26 Paciente 8 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………….....36

Figura 3.27 Paciente 10 CEC, izq. Luz blanca, der. Luz UV. ..……….……………………………......37

Figura 3.28 Paciente 17 CEC, izq. Luz blanca, der. Luz UV. ...……….……………………………......37





Figura 3.33 Paciente 20 MM, izq. Luz blanca, der. Luz UV. ..……….……………………………......39





Figura 3.38 Gráficas de rangos de intensidades fototipo III luz blanca. ..............................41

Figura 3.39 Gráficas de rangos de intensidades fototipo III luz UV. ....................................42

Figura 3.40 Gráficas de rangos de intensidades fototipo IV luz blanca. …………….………......43

Figura 3.41 Gráficas de rangos de intensidades fototipo IV luz UV. ………………….………......43

Figura 3.42 Carcinoma Basocelular: espectros de fluorescencia y reflectancia difusa. ........47

Figura 3.43 Carcinoma Espinocelular: espectros de fluorescencia y reflectancia difusa. ....48

Figura 3.44 Nevos Melanocíticos: espectros de fluorescencia y reflectancia difusa. ............49

Figura 3.45 Melanoma Maligno: espectros de fluorescencia y reflectancia difusa. ……….…50

Figura 4.1 Cámara Nikon D5100. ………………………………………………………………………….…56

Figura 4.2 Equipo para tomar fotografías con luz blanca y luz UV. ………………………..……57

Figura AII.1 Panel principal del programa desarrollado. ………………………………………………61

Figura AII.2 Cargar imagen en A, E, I. ……………………………………………………………………..…62

Figura AII.3 Cortar imagen en A. ………………………………………………………..…………………..…62

Figura AII.4 Recortar imagen en A. ………………………………………………………..………………..…63

Figura AII.5 Polígono en Tejido B. ………….……………………………………………..………………..…63

Figura AII.6 Cortar Imagen en Tejido B.………….……………………………………..………………..…64

xii

Figura AII.7 Recortar imagen en B. …..…….……………………………………………..………………..…64

Figura AII.8 Histogramas RGB Tejido A y B. …..…….……………………………………………......…..65

Índice de tablas

Tabla 3.1 Clasificación de Fitzpatrick de los Fototipos de piel y su pigmentación

(concentración de melanina). ………………………………………………..…………………………………………28

Tabla 3.2 Mediciones en imágenes con luz blanca, CBC. ……………………………………………32

Tabla 3.3 Mediciones en imágenes con luz UV de 365 nm, CBC. ………………………………..32

Tabla 3.4 Mediciones en imágenes con luz blanca, NID. ………….………………………………..35

Tabla 3.5 Mediciones en imágenes con luz UV de 365 nm, NID. ………….…………………….36

Tabla 3.6 Mediciones en imágenes con luz blanca, CEC. ………….………………………….…….38

Tabla 3.7 Mediciones en imágenes con luz UV de 365 nm, CEC. ……….………………….……38

Tabla 3.8 Mediciones en imágenes con luz blanca, MM. …………….…….………………….……40

Tabla 3.9 Mediciones en imágenes con luz UV de 365 nm, MM. …………….…….……………40

Tabla 3.10 Mediciones en imágenes, pacientes con fototipo II. ………………..…….……………41

Tabla 3.11 Mediciones en imágenes, pacientes con fototipo III. ..……………..…….……………41

Tabla 3.12 Mediciones en imágenes, pacientes con fototipo IV. ..……………..…….……………42

Tabla 3.13 Mediciones en imágenes, pacientes con fototipo V. ..……………..…….…………….46

xiii

Acrónimos y Abreviaturas

nm Nanómetros

UV Ultravioleta

ERD Espectroscopia de Reflectancia Difusa

hνEX Energía de fotones de excitación

hνEM Energía de fotones emitidos

S0 Estado electrónico fundamental

S1 Estado electrónico excitado singlete

S1’ Estado electrónico excitado singlete relajado

FRET Transferencia de energía por resonancia de fluorescencia

EX Excitación

EM Emisión

µm Micrómetros

ns Nanosegundos

cm Centímetros

W Watts

mW Miliwatts

mA Miliampers

V volt

s Segundos

2D Dos dimensiones

CCD Couple Charge Devices

RGB Red Green Blue

bit Dígito binario

CIE Comisión Internacional de la Iluminación

λ Longitud de Onda

LED Diodo Emisor de Luz

DAC Convertidor Digital - Analógico

PNI Pixel por nivel de intensidad

CBC Cáncer basocelular

CEC Cáncer espinocelular

NID Nevo intradérmico

MM Melanoma

xiv

Objetivo General

Realizar un estudio de anormalidad en piel, a partir del procesamiento de imágenes y

espectroscopias de reflectancia difusa y fluorescencia con luz blanca y ultravioleta de

365nm, que ayude a los médicos a realizar un diagnóstico.

Objetivos Particulares.

• Diseñar y construir una fuente de corriente para alimentar LEDs de luz blanca y

UV de 365nm.

• Fotografiar en conjunto con los médicos, tejido biológico normal y anormal con

luz blanca y luz UV de 365nm, y realizar la espectroscopia del tejido

correspondiente.

• Diseñar los algoritmos para el procesamiento de imágenes con luz blanca y de

fluorescencia.

• Correlacionar el análisis de las imágenes con los espectros de reflectancia difusa

y fluorescencia del tejido y con los diagnósticos médicos.

Justificación

En la detección de una anormalidad en el tejido es necesaria la experiencia visual del

médico especialista para darle atención y seguimiento al paciente, en la mayoría de los

casos los pacientes acuden al médico cuando la enfermedad ya está muy avanzada.

Con esta investigación se busca generar tecnología auxiliar que permita realizar un pre

diagnóstico no invasivo, in-vivo y en tiempo real, para que el médico pueda realizar

una detección temprana de enfermedades malignas de piel.

Actualmente la norma de oro para el diagnóstico de cáncer de piel, y prácticamente

cualquier tipo de cáncer, es la toma de una biopsia y los diferentes estudios ex-vivo que

sobre el tejido resecado se realizan (diferentes tipos de microscopias, cultivos, métodos

histoquímicos, etc.).

Una técnica óptica ampliamente usada para realizar un pre-diagnóstico es la

dermoscopia, que consiste en un sistema de amplificación de la imagen de la zona de la

piel bajo estudio, y que bajo ojos expertos ayuda al diagnóstico del padecimiento.

xv

La captura fotográfica de estas imágenes, hoy en día realizada digitalmente, permite

analizar características de forma y color de lesiones que la experiencia dermatológica

permite una aproximación a su clasificación.

En años recientes se han aplicado tecnologías espectroscópicas como la reflectancia

difusa, la fluorescencia y Raman, a través de fibras ópticas en contacto con la piel para

caracterizar diferentes padecimientos. El desarrollo de espectrómetros miniatura,

fuentes luminosas basadas en LEDs y computadoras portátiles de gran capacidad han

permitido la construcción de equipo portátil para la realización de medici0nes in-vivo.

Uno de los problemas con estas tecnologías es la ubicación apropiada de la punta de

auscultación (extremo de una fibra óptica con diámetros menores a 1 mm y el efecto

que tiene la presión que se aplica en ésta, la cual afecta la forma e intensidad del

espectro capturado.

La disponibilidad actual de cámaras fotográficas digitales de alta resolución y alta

sensibilidad, así como de fuentes de luz blanca y ultravioleta basadas en LEDs dan pie a

una herramienta de no contacto con gran potencial para el estudio de los colores que

los objetos presentan ante diferentes fuentes de iluminación, lo cual representa una

nueva forma de abordar el estudio de la materia de que estos están compuestos. Así, las

cámaras digitales, a través de la descomposición en colores básicos por medio de los

histogramas que generan abren una nueva posibilidad en el estudio de tejido biológico,

y en particular de la piel, que permite hacer evaluaciones cuantitativas, tanto de toda la

lesión como pixel a pixel de ésta, que podrían ayudar al médico en la detección de tejido

maligno. Una comprobación de que el estudio de las imágenes a través del supuesto de

que cada tipo de tejido maligno está compuesto de diferente material biológico y por

tanto su imagen digital es diferente, permitiría la realización de un pre-diagnóstico con

elementos tecnológicos al alcance de cualquier médico para abordar la atención

primaria de pacientes en lugares donde no hay hospitales, equipo especializado o

médicos especialistas habilitados para hacer el diagnóstico requerido.

Con el fin de estudiar esta última posibilidad se desarrolló investigación experimental

bajo el protocolo 06-97-2013 “Características de la espectroscopia y las imágenes con

luz blanca y ultravioleta en pacientes con cáncer de piel melanoma y no melanoma”

en el Hospital Gea-González de octubre de 2013 a abril de 2014. Investigación que

corresponde a un estudio complementario in vivo e in situ de lesiones en piel de

pacientes a través de la fotografía digital de imágenes del tejido iluminado con luz

blanca y luz ultravioleta, y sus correspondientes espectros de reflectancia difusa y

xvi

fluorescencia, antes de la toma de biopsias. El método a utilizar es no invasivo y las

tecnologías usadas en el desarrollo de este protocolo fueron implementadas por

profesores y alumnos de la maestría en ingeniería electrónica de la línea de

investigación en instrumentación fotónica, de la SEPI-ESIME-Zacatenco. La toma de

imágenes y mediciones espectroscópicas se realizó en colaboración con la Dra. Stefanie

Arroyo Camarena, médico residente nivel R4 del departamento de dermatología del

Hospital Gea-González.

Capítulo 1. Estado del arte

M. en C. en Ingeniería Electrónica 1

Capítulo 1

Estado del Arte

1.1 Técnicas ópticas convencionales en la dermatología actual.

La observación de la piel es un parámetro que puede indicar al médico algún

padecimiento sistémico como anemia, intoxicación, etc.

En alteraciones muy localizadas (manchas, lunares, granos, ulceraciones, etc.) la

revisión a simple vista de éstas por un dermatólogo le puede dar indicios de si se trata

de un padecimiento benigno o maligno. El uso de un dermoscopio (que es un sistema

óptico para ver imágenes amplificadas de lesiones en piel, ver figura 1.1), le permite

observar características de forma y color en lesiones que le podrían indicar si es una

anomalía o no. Todo esto basado en la enorme experiencia que la medicina clínica ha

acumulado en su devenir histórico. El diagnóstico final, o estándar de oro, es

establecido cuando se toma una biopsia (ver figura 1.2) de la lesión bajo sospecha para

su preparación y posterior estudio histopatológico. [1.1]

Figura 1.1, Dermoscopio. Figura 1.2, Biopsia de piel.

Tanto la dermoscopia como la histopatología se apoyan en instrumentos ópticos que

permiten observar a diferentes escalas imágenes de los tejidos enfermos y aquellos

sanos para su comparación. El diagnóstico histopatológico final es establecido por un

médico especialista, basado en su experiencia, lo cual introduce cierto grado de

subjetividad [1.2]. Con el desarrollo tecnológico actual se han implementado

dermoscopios digitales, capaces de analizar color y formas de las lesiones a través de



software desarrollado en base a la experiencia médica para generar mejores pre-

diagnósticos [1.3].

La observación del tejido humano, tanto en biopsia como in-vivo, no solo se realiza

iluminándole con luz visible (blanca o con un color específico, p. ej. verde en

colposcopia) sino también con otros tipos de luz como la ultra-violeta (UV) (por

ejemplo la lámpara de Woods o los microscopios de fluorescencia, ver figuras 1.3 y 1.4),

con los cuales se pueden observar características del tejido que con luz blanca no

pueden ser apreciadas, ver figura 1.5. [1.3]

Figura 1.3. Lámpara de Woods. Figura 1.4. Microscopio de fluorescencia.

a) b)

Figura 1.5, a) Imagen con luz blanca. b) Imagen con luz UV con lámpara de Woods.

1.2. Las espectroscopias de reflexión difusa y fluorescencia en la

dermatología.

Desde los últimos 20 años del siglo pasado a la fecha se han realizado grandes esfuerzos

para no solo observar la imagen de los tejidos bajo determinadas iluminaciones, sino

para caracterizar la luz que emerge del tejido iluminado en base a los fenómenos de

interacción luz-materia que ocurren dentro de este. Así, cuando se ilumina con luz

blanca en un punto de la superficie del tejido se estudia por donde viajan los fotones



que le componen dentro del tejido, cuantos se absorben y por donde y cuantos

emergen. Lo cual se enmarca dentro de la espectroscopia óptica de reflectancia difusa.

1.2.1. Reflectancia difusa.

La ERD (espectroscopia de reflectancia difusa) es una técnica con la cual se puede

estudiar tejido biológico. En el campo de las aplicaciones biomédicas resulta útil para

propósitos de diagnóstico, ya que se pueden estudiar tejidos de manera no invasiva,

también ha demostrado ser una técnica de gran utilidad en aplicaciones de diagnóstico

en varias situaciones modernas, entre ellas figuran la detección de nevos, diagnóstico

de patologías del hígado, diagnóstico de ictericia neonatal, estudio de moretones o

magulladuras para aplicaciones forenses, medición de pigmentos endógenos y cutáneos

(melanina, hemoglobina y bilirrubina), calibración de equipo de fluorescencia, entre

muchas otras. [1.4]

Para llevar a cabo una medición con ERD se requiere hacer incidir la luz de una fuente,

cuyo espectro de emisión sea conocido, sobre el tejido que se quiere estudiar. La luz

incidente, se encontrará con una interfaz o frontera formada por los desempates de los

índices de refracción del tejido y del medio por donde incide la luz (el cual

normalmente puede ser aire o cuarzo), por lo que se tendrá reflexión especular y

refracción. La luz que es reflejada especularmente es indeseada y por lo tanto no

capturada en las mediciones de reflectancia difusa, ya que los fotones que fueron

especularmente reflejados no han interactuado con el tejido y por esto no contienen

información útil. En cambio la luz que logra propagarse en el tejido y que es re-emitida

por éste hacia la superficie irradiada (ver figura 1.6), será capturada por algún

dispositivo fotosensible, para posteriormente ser comparada con la luz incidente o

espectro de referencia, y así poder determinar qué tanto cambió dicho espectro después

de haber interactuado con el tejido. Con esto es posible evaluar la condición estructural

del tejido, pues la luz que es elásticamente esparcida en el tejido biológico depende de

la estructura de éste. [1.4]

Figura 1.6, Algunos fenómenos presentes en la interacción de la luz con el tejido biológico.



Para obtener el espectro de referencia se hace incidir la luz de la fuente sobre un

material que tenga una alta reflectividad (que idealmente sea del 100%), para todas las

longitudes de onda que componen la luz de la fuente y posteriormente capturar la luz

que es reflejada por dicho material. Los materiales con alta reflectividad y que son

utilizados para obtener espectros de referencia son llamados estándares de reflectancia.

El mejor material para un estándar de reflectancia para las mediciones de reflectancia

difusa con luz es el Spectralon, ya que dicho material tiene una alta reflectividad (98%)

en la región del espectro electromagnético comprendido entre el ultravioleta, visible e

infrarrojo cercano. [1.4]

El espectro de luz que es re-emitido desde el tejido y que es capturado por el sistema,

siempre se verá afectado por el ruido eléctrico y la luz presente en el lugar donde se

lleve a cabo la medición, pues la luz re-emitida que es capturada puede ser

"contaminada" por la luz de fondo, además de que el dispositivo fotosensible o sensor

con el cual se capturan o cuentan los fotones, está hecho con elementos

semiconductores, los cuales por efecto de la temperatura, pueden sufrir ionización

térmica, produciéndose un flujo de electrones que el sistema interpretará como la

incidencia de un fotón. Aunque la ionización térmica y la luz de fondo sean de carácter

aleatorio, su influencia provoca un offset en las mediciones realizadas, por lo que es

necesario medir el espectro de fondo u obscuro��, es decir, capturar el espectro

obtenido por el sistema en ausencia de la fuente de luz y restárselo al espectro de

referencia y a cada medición realizada. Por lo que la reflectancia difusa puede ser

expresada matemáticamente con la ecuación 1.1 [1.4]

�� = �� − �� − �� 1.1�

Si se ilumina, también en forma puntual con luz UV, además de los procesos

considerados en la espectroscopia de reflectancia difusa, se estudian los procesos de

generación y propagación de la luz fluorescente de amplio espectro, producidos por la

interacción luz ultravioleta-tejido. Esto se enmarca dentro de la espectroscopia óptica

de fluorescencia.



1.2.2. Espectroscopia óptica de fluorescencia.

1.2.2.1. Fenómeno de fluorescencia.

La fluorescencia es el resultado de un proceso de tres etapas que se produce en ciertas

moléculas (generalmente hidrocarburos poliaromáticos o heterociclos) llamados

fluoróforos o colorantes fluorescentes. Una sonda fluorescente es un fluoróforo

diseñado para responder a un estímulo específico o para localizar una región específica

de un espécimen biológico. El proceso responsable de la fluorescencia de sondas

fluorescentes y otros fluoróforos se ilustra por el diagrama electrónico de estado

sencillo (Diagrama de Jablonski, ver figura 1.7). En éste se ilustran los procesos

implicados en la creación de un estado electrónico excitado singlete por absorción

óptica y la posterior emisión de fluorescencia. Las etapas etiquetadas son: 1. Excitación,

2. Estado excitado de tiempo finito, y 3. La emisión de fluorescencia [1.5, 1.6, 1.7, 1.8,

1.9, 1.10].

Figura 1.7, Diagrama de Jablonski.

Etapa 1: Excitación.

Un fotón de energía hνEX es suministrado por una fuente externa (tal como una

lámpara incandescente, un láser o un LED) y es absorbido por el fluoróforo, creando un

estado electrónico excitado singlete (S1’).

Etapa 2: Estado excitado de tiempo finito.

Existe el estado excitado durante tiempo finito (típicamente 1-10 nanosegundos).

Durante este tiempo, el fluoróforo sufre cambios conformacionales y está también

sujeto a una multitud de posibles interacciones con su entorno molecular.



Estos procesos tienen dos consecuencias importantes. En primer lugar, la energía de S1’

es parcialmente disipada, produciendo un estado excitado singlete relajado (S1) desde el

que se origina la emisión de fluorescencia. En segundo lugar, no todas las moléculas

inicialmente excitadas por absorción (Etapa 1) regresan al estado fundamental (S0) por

la emisión de fluorescencia. Otros procesos tales como la desactivación por colisiones,

la transferencia de energía por resonancia de fluorescencia (FRET) y el cruce entre

sistemas también pueden despoblar S1. El rendimiento cuántico de fluorescencia, que

es la relación del número de fotones de fluorescencia emitidos (Etapa 3) por el número

de fotones absorbidos (Etapa 1), es una medida de la extensión relativa a la que ocurren

estos procesos.

Etapa 3: La emisión de fluorescencia.

Un fotón de energía hνEM se emite, volviendo el fluoróforo a su estado fundamental S0.

Debido a la disipación de energía durante el tiempo de vida del estado excitado, la

energía de este fotón es menor, y por lo tanto de mayor longitud de onda, de la

excitación de fotones hνEX. La diferencia en la energía o longitud de onda representada

por (hνEX - hνEM) se denomina desplazamiento de Stokes. El desplazamiento de Stokes

es fundamental para la sensibilidad de las técnicas de fluorescencia, ya que permite

detectar fotones de emisión contra un fondo bajo, aislado a partir de los fotones de

excitación. En contraste, la espectrofotometría de absorción requiere la medición de la

luz transmitida con respecto a los altos niveles de luz incidente en la misma longitud de

onda.

1.2.2.2. Espectros de fluorescencia.

Todo el proceso de fluorescencia es cíclico. A menos que el fluoróforo sea destruido

irreversiblemente en el estado excitado, el mismo fluoróforo puede ser excitado y

detectado varias veces. El hecho de que un solo fluoróforo puede generar muchos miles

de fotones detectables, es fundamental para la alta sensibilidad de las técnicas de

detección de fluorescencia.

Para las moléculas poliatómicas, las transiciones electrónicas discretas representadas

por hνEX y hνEM (ver figura 1.7) se manifiestan en amplios espectros de energía llamados

espectro de excitación de fluorescencia y espectro de emisión de fluorescencia,

respectivamente. Las anchuras de banda de estos espectros son parámetros de

particular importancia para aplicaciones en las que se detectan simultáneamente dos o

más fluoróforos diferentes. En las mismas condiciones, el espectro de emisión de



fluorescencia es independiente de la longitud de onda de excitación, debido a la

disipación parcial de la energía de excitación durante el tiempo de vida del estado

excitado. La intensidad de emisión es proporcional a la amplitud del espectro de

excitación (ver figura 1.8). La excitación de un fluoróforo en tres longitudes de onda

diferentes (EX 1, EX 2, EX 3) no cambia el perfil de emisión, pero producen variaciones

en la intensidad de emisión de fluorescencia (EM 1, EM 2, EM 3) que corresponden a la

amplitud del espectro de excitación [1.8, 1.9, 1.10, 1.11].

Figura 1.8, Espectros de fluorescencia.

En las técnicas espectroscópicas antes mencionadas, el instrumento esencial para

caracterizar la luz que emerge del tejido es un espectrómetro, con el cual se obtiene la

distribución espectral de la luz involucrada. La aplicación y recolección de la luz se

realiza a través de fibras ópticas (200 a 400 µm de diámetro) en contacto con la

superficie del tejido.

Con ambas técnicas espectroscópicas se determina la diferencia espectral de la

reflectancia difusa y la fluorescencia entre tejidos sanos y enfermos lo cual ha

significado una herramienta que permite su diferenciación, de particular interés ha

resultado el estudio de lesiones cancerígenas. En particular, la reflectancia difusa da

cuenta de la estructura del tejido y la fluorescencia de su composición.

1.3. Imágenes y color con la fotografía digital.

Las cámaras digitales permiten la captura de imágenes de color que pueden ser

almacenadas en computadoras para su posterior o inmediato procesamiento. Esto ha

hecho posible la dermoscopia digital, la cual basa sus criterios de diagnóstico en la

dermoscopia convencional practicada por el dermatólogo al observar una lesión con su

dermoscopio manual.



1.3.1. Fotografía digital.

En la siguiente figura 1.9 se muestran sensores individuales dispuestos en forma de una

matriz 2D. Esta es la disposición predominante que se encuentra en las cámaras

digitales. [1.12]

Figura 1.9, Matriz de sensores en 2D.

Un sensor típico para estas cámaras es una matriz CCD (Charge-Coupled Devices), que

puede ser fabricado con una amplia gama de propiedades de detección y se pueden

empaquetar en matrices de 4000 x 4000 elementos o más. Los sensores CCD se

utilizan ampliamente en cámaras digitales y otros instrumentos de detección de luz. La

respuesta de cada sensor es proporcional a la integral de la energía de la luz proyectada

sobre la superficie del sensor, una propiedad que se utiliza en aplicaciones

astronómicas y otras que requieren imágenes de bajo ruido. Debido a que la matriz de

sensores en la figura es de dos dimensiones, su ventaja clave es que una imagen

completa se puede conseguir a través de enfocar el patrón de energía sobre la superficie

de la matriz.

La manera principal en que se utiliza la matriz de sensores en el proceso de adquisición

de una imagen digital (ver figura 1.10) es la siguiente. La primera función realizada por

el sistema de formación de imágenes en la figura(c) es recoger la energía entrante y

enfocarla en un plano de imagen. Si la iluminación es la luz, el extremo delantero del

sistema de formación de imágenes es una lente óptica que proyecta la escena vista en el

plano focal de la lente, como la figura (d) muestra. La matriz de sensores, que es

coincidente con el plano focal, produce salidas proporcionales a la luz recibida en cada

sensor. Circuitería digital y analógica barren estas salidas y las convierten en una señal

analógica, que luego es digitalizada por otra sección del sistema de formación de

imágenes. La salida es una imagen digital, como se muestra esquemáticamente en la

figura (e).



Figura 1.10. Proceso de adquisición de una imagen digital.

1.3.2. Representación de imágenes digitales.

Se utilizan matrices numéricas para el procesamiento y el algoritmo de desarrollo. En

forma de ecuación, se escribe la representación de una M x N matriz numérica como:

��, �� = � ��0,0��0,1�⋯ ��0, � 1��1,0��1,1�… ��1, � 1�⋮⋮⋮�� 1,0�� 1,1�… �� 1,� 1�� 1.2�

Ambos lados de esta ecuación son formas equivalentes de expresar una imagen digital

cuantitativamente. El lado derecho es una matriz de números reales. Cada elemento de

esta matriz se llama un elemento de imagen, pixel, o pel [1.12].

Este proceso de digitalización requiere que se tomen decisiones con respecto a los

valores de M, N, y para el número L, de niveles de intensidad discretos, tienen que ser

enteros positivos. Sin embargo, debido a consideraciones de almacenamiento y de

cuantificación de hardware, el número de niveles de intensidad típicamente es una

potencia entera de 2:

L = 2k . . . (1.3)



Suponemos que los niveles discretos están igualmente espaciados y que son números

enteros en el intervalo (0, L – 1). A veces, el rango de valores abarcado por la escala de

grises se conoce como el rango dinámico. Aquí, definimos el rango dinámico de un

sistema de formación de imágenes a ser la relación de la intensidad máxima medible al

nivel de intensidad mínima detectable en el sistema. Básicamente, el rango dinámico

establece los niveles mínimos y máximos de intensidad que un sistema puede

representar y, en consecuencia, que una imagen puede tener. En estrecha relación con

este concepto es el contraste de imagen, que se define como la diferencia de intensidad

entre los niveles más altos y más bajos de intensidad en una imagen. [1.12]

Basándose en consideraciones de hardware y por las capacidades de la percepción

humana, el número de niveles de intensidad más común es de 8 bits, es decir, 28 que

resulta en 256 niveles de intensidad (intervalo de 0 a 255).

1.3.3. Colores en el procesamiento de imágenes.

El uso del color en el procesamiento de imágenes está motivado en dos factores

principales. El primero es que el color es un descriptor poderoso que simplifica la

identificación y extracción de un objeto en una escena. El segundo es que el ojo humano

puede discernir miles de colores e intensidades, comparado con sólo dos docenas de

intensidades de gris [1.12].

Aunque el proceso seguido por el cerebro humano para percibir e interpretar el color es

un fenómeno fisiológico que no se entiende completamente, la naturaleza física del

color puede ser expresada de manera formal con el apoyo de los resultados

experimentales y teóricos.

En 1666, Sir Isaac Newton descubrió que cuando un rayo de luz del sol pasa a través de

un prisma de cristal, el haz emergente de la luz no es blanca, sino que consiste en un

espectro continuo de colores que van desde el violeta por un extremo al rojo en el otro

(ver figura 1.11).

El espectro de color, se puede dividir en seis regiones, violeta, azul, verde, amarillo,

naranja y rojo. Cuando se ve a todo color, ningún color en el espectro termina

abruptamente, sino que cada color se mezcla suavemente con el siguiente.



Figura 1.11, Espectro de color visto, pasando luz blanca a través de un prisma.

Básicamente, los colores que los humanos y algunos animales perciben en un objeto

son determinados por la naturaleza de la luz reflejada desde el objeto. La luz visible se

compone de una banda estrecha de frecuencias en el espectro electromagnético, ver

figura 1.12. Un cuerpo que refleja luz de la misma intensidad en todas las longitudes de

onda visibles aparece en color blanco para el observador. Sin embargo, un cuerpo que

favorece la reflectancia en una gama limitada del espectro visible exhibe algunos tonos

de color.

Figura 1.12, Longitudes de onda del espectro electromagnético visible.

La caracterización de la luz es fundamental para la visualización del color. Si la luz es

acromática (vacío de color), su único atributo es su intensidad o cantidad. La luz

acromática es lo que los espectadores ven en un televisor en blanco y negro.

La luz cromática abarca el espectro electromagnético de aproximadamente 400nm a

700nm. Tres cantidades básicas se utilizan para describir la calidad de una fuente de

luz cromática: radiancia, luminancia y brillo.

Radiancia, es la cantidad total de energía que fluye de la fuente de luz, y se mide en

watts (W).

Luminancia, medida en lúmenes (lm), da una medida de la cantidad de energía que

un observador percibe de una fuente luminosa.



Brillo, es un descriptor subjetivo que es prácticamente imposible de medir. Encarna la

noción acromática de intensidad y es uno de los factores clave para describir la

sensación de color.

La membrana más interna del ojo es la retina, que recubre el interior de toda la parte

posterior de la pared del globo ocular (ver figura 1.13). Cuando el ojo está enfocado

adecuadamente, la luz de un objeto forma la imagen en la retina. El patrón de visión

está proporcionado por la distribución de receptores de luz discreta sobre la superficie

de la retina. Hay dos clases de receptores: conos y bastones. Los conos en cada ojo son

entre 6 y 7 millones. Se encuentran principalmente en la porción central de la retina,

llamada la fóvea, y son altamente sensibles al color. Los seres humanos pueden resolver

detalles finos con estos conos en gran parte debido a que cada uno está conectado a su

propio extremo de nervio [1.12].

Figura 1.13, Diagrama de la sección transversal del ojo humano.

Los conos son los sensores del ojo responsables de la visión del color. Evidencia

experimental detallada ha establecido que los 6 a 7 millones de conos en el ojo humano

se pueden dividir en tres categorías principales de detección, que corresponde

aproximadamente a rojo, verde y azul. Aproximadamente 65% de los conos son

sensibles a la luz roja, 33% son sensibles a la luz verde, y sólo 2% son sensibles al azul.



A continuación se muestran (ver figura 1.14) las curvas experimentales promedio que

detallan la absorción de la luz por los conos rojos, verdes y azules en el ojo humano en

función de la longitud de onda.

Figura 1.14, Absorción de la luz por el ojo humano.

Debido a estas características de absorción del ojo humano, los colores son vistos como

combinaciones variables de los llamados colores primarios rojo (R), verde (G), y azul

(B). Con el propósito de normalización, la CIE (Comisión Internacional de la

Iluminación), designó en 1931 los siguientes valores de longitud de onda específica para

los tres colores primarios: azul = 445 nm, verde = 535 nm, y rojo = 575 nm. Las normas

de la CIE corresponden sólo aproximadamente con los datos experimentales. [1.12]

1.3.4. Modelo RGB.

El modelo RGB está orientado a hardware, es muy utilizado en la práctica para

monitores en color y una amplia clase de cámaras a color de vídeo y fotografía. En el

modelo RGB, cada color aparece en sus componentes espectrales primarios de rojo,

verde, y azul. Este modelo se basa en un sistema de coordenadas cartesianas. El

subespacio de color de interés es el cubo mostrado en la figura 1.15, en la que los

valores primarios RGB están en tres esquinas, los colores secundarios: cian, magenta y

amarillo están en otras tres esquinas; el negro está en el origen, y blanco está en la

esquina más alejada del origen.

En este modelo, la escala de grises (puntos de igual valor RGB) se extiende desde el

negro al blanco a lo largo de la línea que une estos dos puntos.



Los diferentes colores en este modelo son puntos sobre o dentro del cubo, y se definen

por los vectores que se extienden desde el origen. Por conveniencia, la suposición es

que todos los valores de color se han normalizado, es decir, todos los valores de R, G y B

están en el intervalo (0,1) [1.12].

Figura 1.15, Esquema del cubo de color RGB. Figura 1.16, Cubo de color RGB de 24 bits.

Las imágenes representadas en el modelo de color RGB consisten de tres componentes

de imagen, uno para cada color primario. Cuando se alimenta un monitor RGB, estas

tres imágenes se combinan en la pantalla para producir una imagen de color

compuesto. El número de bits utilizados para representar cada píxel en el espacio RGB

se denomina profundidad de pixel.

En una imagen RGB cada componente de color rojo, verde y azul, es un componente de

8 bits. En estas condiciones, se dice que cada píxel de color RGB tiene una profundidad

de 24 bits (ver figura 1.16). El número total de colores de una imagen RGB de 24 bits es

de (28)3=16,777,216.

Las cámaras digitales actuales, con su alta resolución, hardware y software integrado,

permiten la observación casi puntual del tejido biológico (dependiendo del número de

pixeles y dimensiones del detector de imagen) así como la composición de la luz en los

colores básicos RGB (Rojo, Verde y Azul) y las intensidades luminosas que de estos

puntos emanan a través de histogramas.



1.3.5. Histogramas.

Un histograma es un gráfico que muestra la intensidad completa a lo largo del eje

horizontal y una indicación de la cantidad de píxeles en ese punto de la intensidad por

la altura de la gráfica. La intensidad del pixel de una imagen digital de 24 bits de color

RGB se expresa como un número entre 0 y 255, si los tres canales tienen el mismo

número, el comportamiento sería el siguiente: 0 es igual a negro, 255 es igual a blanco,

y aproximadamente 127 sería el equivalente a gris medio [1.13]. Los histogramas de

imágenes digitales se presentan como un gráfico de barras con el eje horizontal como

nivel de intensidad (0-255). El lado izquierdo de la gráfica es 0 (cero) y el lado derecho

de la gráfica es 255. El eje vertical es el número de píxeles en cada uno de los 256

valores (ver figura1.17).

Todos los diferentes colores y matices de colores en colores RGB se derivan de

diferentes combinaciones de rojo, verde y azul. El color de cada píxel en una imagen

digital RGB se determina por el valor de la intensidad (0-255) asignado a cada canal de

color ROJO, VERDE y AZUL para cada píxel. En otras palabras, cada píxel tiene un

valor de intensidad numérico asignado a cada uno de los tres canales de color R, G y B.

(a)

(b)

(i)

(c)

Figura 1.17, Histogramas RGB de una imagen digital, (i) Imagen digital, (a) Histograma rojo de (i),

(b) Histograma verde de (i), (c) Histograma azul de (i)



1.3.6. Intensidad luminosa en imágenes RGB.

Para el análisis de las imágenes de cada paciente se utilizó software programado en

MATLAB, el cual permite cortar el área de la lesión y la compara con tejido sano de la

misma imagen. Ya con los cortes, el siguiente paso es obtener los histogramas en los

canales RGB individualmente, después se calcula la intensidad de cada color RGB para

cada área cortada multiplicando el número de pixeles por el nivel de intensidad (0-255)

y se suman para tener la intensidad total [1.14]. Con la ecuación (1.3) se obtiene la

intensidad total, donde PR es el histograma en el canal rojo, PG es el histograma en el

canal verde, PB es el histograma en el canal azul, y según el nivel de intensidad en i

tenemos la cantidad de pixeles.

�� ! = " #�� ∙ �%&'((%&) + " #+�� ∙ �%&'((

%&) + " #,�� ∙ �%&'((%&) �1.4�

Ya con la suma podemos saber el porcentaje de rojo, verde y azul que tiene el área

cortada para la lesión y para la piel sana. Por último se compara la intensidad total del

tejido sano con la intensidad total de la lesión, tomando como referencia el tejido sano,

tenemos como resultado un porcentaje.

./01!2!3�ó� = 56�� ! 789%ó:�� ! 9;: < ∙ 100= − 100(1.5)

Las cámaras digitales generan tanto las imágenes que genera la dermoscopia como

información espectroscópica de la reflexión difusa (cuando se ilumina con luz blanca), y

de fluorescencia (cuando se ilumina con luz UV). Igualmente genera imágenes visibles

para cualquier fuente de iluminación que se pretenda usar y que permita una mejor

apreciación de lesiones (por ejemplo, iluminando con luz violeta se resalta la

vascularización de las lesiones, por la absorción de la sangre en la banda de Soret).

1.4. Objetivos de este trabajo.

Investigar la histografía proporcionada por la fotografía digital con luz blanca y luz

ultravioleta con el fin de determinar sus posibilidades para el diagnóstico de

enfermedades dermatológicas. Comparar sus características y resultados con las de las

espectroscopias de reflexión difusa y fluorescencia.



Referencias

[1.1] Finn Geneser (2000), Histology, Tercera Edición, Editorial Medica Panamericana.

[1.2] Ignazio Stanganelli, MD (2014), Dermoscopy, Medscape, May 5 2014 .

[1.3] Laura K. Ferris and Ryan J. Harris, (2012),New Diagnostic Aides for Melanoma,

National Institute of Health, Dermatol Clin. 2012 July ; 30(3): 535–545.

[1.4] Alejandro De la Cadena (2012), Tesis, Estudio de la Reflexión Óptica Difusa en

Tejido Biológico. SEPI, ESIME ZAC, IPN.

[1.5] Albani, J.R. (2007), Principles and Applications of Fluorescence Spectroscopy,

Wiley-Blackwell.

[1.6] Valeur, B. (2002), Molecular Fluorescence: Principles and Applications, John

Wiley and Sons.

[1.7] Goldys, E.M., Ed., Fluorescence Applications in Biotechnology and Life Sciences,

Wiley-Blackwell (2009).

[1.8] Guilbault, G.G. (1990), Ed., Practical Fluorescence, Second Edition, Marcel Dekker.

[1.9] Joo, C., Balci, H., Ishitsuka, Y., Buranachai, C. and Ha, T. (2008), “Advances in

single-molecule fluorescence methods for molecular biology,” Annu Rev Biochem

77:51–76.

[1.10] http://www.lifetechnologies.com/mx/es/home/references/molecular-probes-the-

handbook/introduction-to-fluorescence-techniques.html

[1.11] Brand, L. and Johnson, M.L., Eds. (2008), Fluorescence Spectroscopy (Methods in

Enzymology, Volume 450), Academic Press.

[1.12] Rafael C. Gonzalez, (2008). Digital Image Processing, Third Edition, Pearson

Prentice Hall.

[1.13] Steve Hoffmann,(2006).A practical guide to interpreting RGB histograms.

http://www.sphoto.com/techinfo/histograms/histograms.htm

[1.14] Burger, Wilhelm, Burge, Mark J. (2008). Digital Image Processing, An Algorithmic

Introduction Using Java, XX.

Capítulo 2. Sistema Desarrollado


Capítulo 2

Sistema Desarrollado

El sistema desarrollado para este trabajo de investigación está basado en el estudio in

vivo, no invasivo de tejido biológico (piel).El sistema es portátil abriendo la posibilidad

de realizar el estudio en cualquier lugar.

Mediante fotografías digitales con luz blanca del tejido normal y anormal, se busca

analizar a detalle los niveles de intensidad RGB para cada pixel, encontrando

diferencias características, ya que este proceso comienza con la observación a ojo

desnudo de un especialista médico y basándose en su experiencia, puede hacer un pre-

diagnóstico [2.1]. Las fotografías digitales con luz UV de 365 nm se utilizan para

encontrar fluorescencia, este fenómeno resalta diferencias en la composición del tejido

que sólo ocurren con dicha luz [2.2].

Las fotografías digitales se analizan mediante un software desarrollado en MATLAB, se

obtiene la información de los pixeles a través de histogramas RGB, utilizando la

intensidad por número de pixel de cada canal se obtiene el porcentaje de rojo, verde y

azul, para cada imagen a analizar (ver Anexo II).

En la figura 2.1 se muestra el diagrama del sistema desarrollado.

Figura 2.1, Sistema desarrollado, (a) Fuente de corriente para LEDs blanco y UV de 365 nm,

(b) Fotografía digital de tejido biológico, (c) Análisis de imagen digital

Los resultados del análisis de los histogramas se comparan con la espectroscopia del

mismo tejido biológico de donde se obtuvo la fotografía digital y con el resultado de la

biopsia realizada por los médicos tratantes.



2.1 Fuente de corriente para LEDs.

2.1.1 LED Blanco.

Para lograr las fotografías digitales con luz blanca se utilizó un diodo emisor de luz

blanca MOLEX 800 QXRA Series, 180081-22. El LED consume una corriente máxima

de polarización de 1.05 A, con la cual se obtiene una potencia de radiación máxima de

1.63 W [2.3]. En la figura 2.2 se muestra el LED blanco.

Figura 2.2, LED MOLEX 800 QXRA Series, 180081-22

2.1.2 LED UV de 365 nm.

Para lograr las fotografías digitales con luz UV se utilizó un diodo emisor de luz UV

NC4U133A (T) de la firma Nichia Corp., el cual tiene una emisión máxima en 365 nm

con un ancho de 9 nm FWHM (Full Width Half Maximum). El LED consume una

corriente máxima de polarización de 700 mA, con la cual se obtiene una potencia de

radiación máxima de 1W [2.4]. En la figura 2.3 se muestra el LED UV.

Figura 2.3, LED NC4U133A (T)



2.1.3 Diseño de la fuente de corriente.

Como fuente de alimentación se utilizó un Driver de LEDs RCD-24-1.00/PL/A (fuente

de corriente regulada por voltaje), de la firma RECOM el cual provee desde 0 a 1000

mA, regulado por un voltaje de 0 a 4.2V [2.5]. En la figura 2.4 se muestra la regulación

de la corriente y el Driver de LEDs.

(a) (b)

Figura 2.4, Driver de LEDs RCD-24-1.00/PL/A, (a) Corriente regulada por voltaje,

(b) Aspecto físico del Driver de LEDs RCD-24-1.00/PL/A

Para regular el voltaje en el Driver de LEDs se utilizó un DAC de 12 bits(convertidor

digital-analógico) LTC1257CN8, de la firma LINEAR TECHNOLOGY [2.6], el cual

regula 5V en el voltaje de referencia divididos en 4095 pasos (212 – 1 = 4095). Se utilizó

un microcontrolador PIC18f2550, de la firma MICROCHIP [2.7], a través del cual se le

proporciona el número de paso deseado al DAC para que provea el voltaje de regulación

al Driver de LEDs y este a su vez provea la corriente deseada para alimentar el LED en

uso.

En el diseño de la fuente de corriente se utilizó un regulador de voltaje MC7805CT de la

firma MOTOROLA [2.8] para proveer de 5V al PIC18f2550, al LCD LM016Lde la firma

Hitachi Semiconductor [2.9], y al voltaje de referencia del DAC. También se utilizó un

regulador de voltaje LM7812AC de la firma Fairchild Semiconductor para proveer de

12V al VCC del DAC [2.10].



En la figura 2.5 se muestra el diagrama completo de la fuente de corriente.

Figura 2.5, Diagrama de la fuente de corriente.



0.1W ± 0.76%

0.2W ± 0.45%

0.3W ± 0.57%

0.4W ± 0.33%

0.5W ± 0.3%

0.6W ± 0.39%

0.7W ± 0.27%

0.8W ± 0.48%

0.9W ± 0.22%

1W ± 0.6%

1.1W ± 0.45%

1.2W ± 0.55%

1.3W ± 0.58%

1.4W ± 0.35%

1.5W ± 0.32%

1.6W ± 0.4%

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

0.00 0.20 0.40 0.60 0.80 1.00 1.20

Po

ten

cia

óp

tica

(W

)

Corriente (A)

La fuente de corriente se muestra físicamente en la figura 2.6.

Figura 2.6, Fuente de corriente, alimentando LED UV.

2.1.4 Eficiencia de la fuente de corriente.

Para estimar la eficiencia de la fuente de corriente se midieron 10 veces en cada uno de

los pasos seleccionados a lo largo del rango de operación del DAC (12 bits), el voltaje a

la salida del DAC, la corriente a la salida del Driver de LEDs, potencia óptica del LED

blanco y potencia óptica del LED UV de 365nm. Con estas mediciones se hicieron los

cálculos de Valor Promedio, Incertidumbre, Desviación Estándar, y Error Relativo. El

resultado de la potencia óptica del LED blanco con el error relativo, se muestra en la

figura 2.7

Figura 2.7, Potencia óptica del LED Blanco.



0.05W ± 0.3%

0.1W ± 0.4%

0.15W ± 0.6%

0.2W ± 0.5%

0.25W ± 0.4%

0.3W ± 0.4%

0.35W ± 0.6%

0.4W ± 0.6%

0.45W ± 0.5%

0.5W ± 0.4%

0.55W ± 0.5%

0.6W ± 0.5%

0.65W ± 0.4%

0.7W ± 0.3%

0.75W ± 0.4%

0.8W ± 0.6%

0.85W ± 0.6%

0.9W ± 0.5%

0.95W ± 0.5%

1W ± 0.1%

0

0.2

0.4

0.6

0.8

1

1.2

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8

Po

ten

cia

óp

tica

(W

)

Corriente (A)

El resultado de la potencia óptica del LED UV con el error relativo, se muestra en la

figura 2.8

Figura 2.8, Potencia óptica del LED UV.

El tiempo de uso de cada LED Blanco y UV para tomar fotografías de tejido biológico,

es aproximadamente de 60 s, así que la fuente no se utiliza por tiempos prolongados

para la realización del estudio en cuestión.

2.2 Fotografía de tejido biológico.

2.2.1 Cámara fotográfica digital.

La cámara fotográfica digital empleada es la Cyber-shot DSC-HX200V Sony, cuenta

con un sensor CMOS Exmor R, 18.2 millones de píxeles reales en cada fotografía, se

almacenan las imágenes en memoria SD, la velocidad de disparo en segundos es de

iAuto (4"-1/4000), la sensibilidad ISO es de 1600 – 3200, las dimensiones (ancho x

altura x profundidad) son 121.6mm x 86.6mm x 93.3 mm, peso aproximado de 531 g,

batería recargable de Lithium N, zoom óptico de 30x [2.11].

En la figura 2.9 se muestra físicamente la cámara Cyber-shot DSC-HX200V Sony.



Figura 2.9, Cámara SONY Cyber-shot DSC-HX200V.

2.2.2 Fotografía con luz blanca y con luz UV.

El lugar donde se hará uso del sistema desarrollado debe estar acondicionado de tal

forma que se pueda obscurecer y que sólo la luz del LED en uso (blanco o UV)

predomine en el tejido biológico a analizar.

Para realizar el estudio en cuestión, se debe lograr una fotografía digital del tejido

biológico de interés utilizando luz blanca y una fotografía digital del mismo tejido pero

ahora utilizando luz UV. Esto es para realizar un análisis de la misma área con diferente

tipo de luz y se puedan observar las diferencias características.

La fotografía del tejido biológico con luz blanca o luz UV que se logre para el análisis,

debe incluir el área de tejido anormal y tejido normal (cerca al tejido anormal), ya que

digitalmente se hará un corte del tejido anormal y se hará otro corte con esa misma

área pero en el tejido normal. Tomando la misma área podemos hacer una

comparación y observar las diferencias en la misma imagen.

2.3 Espectroscopia de tejido biológico.

En el sistema usado para el estudio espectroscópico de reflectancia difusa y

fluorescencia del tejido, ver figura 2.10, fue desarrollado por el Dr. Diego Adrián Fabila

y esta reportado en la referencia. [2.12]



Piel

Fibra Óptica Bifurcada

Fibra de Captura

Fibras de Iluminación

Sonda

Espectrómetro Fuente de Luz UV

Interacción Luz-Piel

El equipo utilizado para realizar las espectroscopias de reflexión difusa y de

fluorescencia fue un espectrómetro miniatura USB4000-VIS-NIR y una fibra óptica

bifurcada QR400-7-UV/VIS (ambos de la firma Ocean Optics Corp.), además de una

computadora portátil con el programa LabVIEW 2010.Tanto para las mediciones de

espectroscopia como para la toma de imágenes se emplearon los mismos diodos

emisores de luz (LEDs) como fuente de luz.

Para las mediciones de espectroscopia, los LEDs fueron acoplados a la fibra óptica

bifurcada, mientras que para la toma de imágenes, fueron montados en un disipador de

calor de aluminio.

El estudio espectroscópico proporciona información cuantitativa del tipo de luz

(contenido espectral) que se re-emite desde el punto geográfico del tejido auscultado

después de interactuar con luz blanca ó con luz ultravioleta. En principio resuelve

espectralmente de manera más precisa la composición de la luz re-emitida por el objeto

que la resolución en RGB que proporciona la cámara digital y en cierta medida debiera

confirmar la composición de los histogramas obtenidos con esta última.

Figura 2.10, Esquema del arreglo usado para la espectroscopia.



Referencias

[2.1].Nadhi Thekkek, BS and Rebecca Richards-Kortum, PhD, (2008). Optical

Imaging for Cervical Cancer Detection: Solutions for a continuing global

problem. Nat Rev Cancer. 2008 September; 8(9): 725–731.

[2.2].Gamble RG, Asdigian NL, Aalborg J, Gonzalez V, Box NF, Huff LS, Barón AE,

Morelli JG, Mokrohisky ST, Crane LA, Dellavalle RP. J Am Acad

Dermatol.(2012).Sun damage in ultraviolet photographs correlates with

phenotypic melanoma risk factors in 12-year-old children.Oct;67(4):587-97.

[2.3].MOLEX., “180081-22 Datasheet”.

http://www.molex.com/webdocs/datasheets/pdf/en-

us/1800812220_SOLID_STATE_LIGHTI.pdf

[2.4].Nichia Corp., “NC4U133A (T) Datasheet”.

http://www.nichia.co.jp/specification/products/led/NC4U133A-E.pdf

[2.5].RECOM, “RCD-24-1.00/PL/A Datasheet”.

http://www.recom-power.com/pdf/Lightline/RCD-24PL.pdf

[2.6].Linear Technology, “LTC1257CN8 Datasheet”.

http://cds.linear.com/docs/en/datasheet/1257fc.pdf

[2.7].Microchip, “PIC18f2550 Datasheet”.

http://ww1.microchip.com/downloads/en/DeviceDoc/39632e.pdf

[2.8].Motorola, “MC7805CT Datasheet”.

http://pdf1.alldatasheet.es/datasheet-

pdf/view/4480/MOTOROLA/MC7805.html

[2.9].Hitachi Semiconductor, “LM016L Datasheet”.

http://pdf1.alldatasheet.com/datasheet-

pdf/view/146552/HITACHI/LM016L.html

[2.10].Fairchild Semiconductor, “LM7812AC Datasheet”.

http://www.fairchildsemi.com/ds/LM/LM7805.pdf

[2.11].Sony, “Especificaciones Técnicas Cyber-shot DSC-HX200V”

http://www.sony.es/support/es/content/cnt-specs/DSC-HX200V/list

[2.12].Diego Fabila, (2010). Tesis, “Desarrollo de un espectrofluorómetro portátil

para mediciones in situ de tejido biológico”. SEPI ESIME ZAC IPN.

Capítulo 3. Mediciones


Capítulo 3

Mediciones

En colaboración con el Hospital GEA González, se tomaron fotografías con luz blanca y

luz ultravioleta de 365 nm a 50 pacientes programados para biopsia, también se les

realizaron mediciones de espectroscopia como estudio complementario [3.1]. Se

eliminaron a 9 pacientes a los que no se les realizó biopsia, también se eliminaron a 10

pacientes con diagnósticos únicos y diferentes de todos los demás. De esta manera se

incluyeron a 31 pacientes (19 mujeres y 12 hombres) con un total de 37 lesiones

(algunos pacientes tenían más de una lesión).

Las lesiones se agruparon en 4 enfermedades: (CBC) Cáncer basocelular con 14 casos,

(NID) Nevo intradérmico con 11 casos, (CEC) Cáncer espinocelular con 7 casos, y (MM)

Melanoma con 5 casos.

A continuación se da una breve descripción de cada padecimiento mencionado. [3.1]

Cáncer basocelular. Surge de las células basales que se encuentran en la capa

superior de la piel. La causa principal de este padecimiento es la sobreexposición solar.

Cáncer espinocelular. Surge en las células espinosas que se encuentran una capa

por arriba de las células basales. La causa principal son procesos precancerosos, como

quemaduras o heridas antiguas con tejidos abultados, que se complican dando lugar a

una forma tumoral.

Nevo intradérmico. Son lesiones cutáneas benignas muy frecuentes que se

encuentran prácticamente en la totalidad de la población. Son proliferaciones

(tumores) benignas derivadas de los melanocitos, las células responsables de la

pigmentación normal de la piel.

Melanoma. El melanoma es una enfermedad por la que se forman células malignas

en las células de la piel llamadas melanocitos, se encuentran en la parte inferior de la

epidermis. Este cáncer es el más agresivo de todos, genera metástasis rápidamente.



Cada grupo de lesiones tiene subgrupos relacionados con la pigmentación, algunos

padecimientos pueden estar pigmentados o no, y con el tono de piel de cada paciente

llamado fototipo, en la tabla 3.1, se muestra la clasificación de los diferentes fototipos,

siendo la concentración de melanina mayor conforme aumenta el número del fototipo.

[3.2]

Tabla 3.1, Clasificación de Fitzpatrick de los Fototipos de piel

y su pigmentación (concentración de melanina).

Fototipo

cutáneo Color de piel Historial de quemaduras de sol y

bronceado (define el fototipo)

Oscurecimiento

inmediato del

pigmento

I Blanca pálida Se quema fácilmente, nunca se broncea Ninguno

II Blanca rojiza Se quema fácilmente, y se broncea

mínimamente con dificultad Débil

III Blanca oscura Se quema moderadamente y se broncea

moderadamente y uniformemente Definido

IV Ligeramente café Se quema mínimamente, se broncea

moderadamente y fácilmente Moderado

V Café Rara vez se quema, se broncea

profusamente Intenso (marrón)

VI Negra Nunca se quema, se broncea

profusamente Intenso (marrón

oscuro)

3.1 Análisis de imágenes.

El procedimiento consistió en colocar cómodamente al paciente, limpiar el área con

toallitas de alcohol, tomar la fotografía de la lesión con luz blanca y luz UV (365nm).

Las imágenes de las lesiones se capturaron bajo dos condiciones de iluminación. La

primera de ellas iluminando la lesión con luz blanca propia del cuarto de trabajo, y la

segunda iluminando directamente con cada uno de los LEDs a 100mW de potencia

óptica, colocándolos a una distancia de 20 cm de la lesión. La lente de la cámara se fijó

a un factor de amplificación de 3x digitalmente y se capturaron varias fotografías para

cada condición de iluminación. La base de datos de los pacientes con la descripción de

las lesiones, el diagnóstico clínico e histopatológico y los espectros, se registraron en la

computadora, las fotografías se guardaron en archivos electrónicos, se usó software

desarrollado en Matlab para su análisis (ver Anexo II).

El análisis realizado a las imágenes consistió en la comparación de la intensidad del

área de lesión con la intensidad del área determinada por el médico como sana,

resultando un porcentaje. Se utilizó como referencia la intensidad de la piel sana, el

resultado de la variación en el área de la lesión nos indicará si es menos luminosa

(porcentaje negativo) o más luminosa (porcentaje positivo) que la piel sana.



3.1.1 Imágenes de lesiones, Cáncer Basocelular.

A continuación se muestran imágenes de lesiones, diagnosticadas con cáncer

basocelular por médicos del hospital Manuel Gea González, con luz blanca y con luz UV

de 365nm.

Figura 3.1, Paciente 6 CBC, izq. Luz blanca, der. Luz UV.






Figura 3.5, Paciente 22b CBC, izq. Luz blanca, der. Luz UV.








Figura 3.11, Paciente 46 CBC, izq. Luz blanca, der. Luz UV






3.1.2 Mediciones en Imágenes de lesiones, Cáncer Basocelular.

Tabla 3.2, Mediciones en imágenes con luz blanca, CBC.

Tabla 3.3, Mediciones en imágenes con luz UV de 365 nm, CBC.

CBC, Luz UV

PADECIMIENTO PACIENTE FOTOTIPO Y

PIGMENTACIÓN TEJIDO

Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

CBC nodular

pigmentado P6UV III Pigmentado

LESION (A) 406,932 422,197 588,102 1,417,231 -28.2% 28.71% 29.79% 41.5%

SANO (B) 567,329 578,999 827,625 1,973,953 .% 28.74% 29.33% 41.93%

CBC nodular


LESION (A) 609,832 539,183 556,586 1,705,601 -37.92% 35.75% 31.61% 32.63%

SANO (B) 972,966 846,502 927,920 2,747,388 .% 35.41% 30.81% 33.77%

CBC nodular


LESION (A) 3,998,303 3,910,974 4,527,737 12,437,014 -44.67% 32.15% 31.45% 36.41%

SANO (B) 6,817,401 7,400,898 8,260,786 22,479,085 .% 30.33% 32.92% 36.75%

CBC superficial P14UV II LESION (A) 788,850 776,743 1,172,710 2,738,303 -65.13% 28.81% 28.37% 42.83%

SANO (B) 1,914,439 2,542,946 3,395,725 7,853,110 .% 24.38% 32.38% 43.24%

CBC nodular

infiltrante

ulcerado

P22bUV III LESION (A) 1,239,937 2,440,691 3,993,838 7,674,466 -16.7% 16.16% 31.8% 52.04%

SANO (B) 1,691,629 3,053,565 4,467,579 9,212,773 .% 18.36% 33.14% 48.49%

CBC nodular

infiltrante

pigmentado

P34UV IV Pigmentado LESION (A) 240,631 248,876 424,245 913,752 -33.86% 26.33% 27.24% 46.43%

SANO (B) 398,421 425,986 557,147 1,381,554 .% 28.84% 30.83% 40.33%

CBC nodular P39UV III LESION (A) 283,516 408,287 634,528 1,326,331 -36.46% 21.38% 30.78% 47.84%

SANO (B) 421,997 692,299 973,083 2,087,379 .% 20.22% 33.17% 46.62%

CBC nodular

pigmentado con

patrón

adenoideo

P42UV IV Pigmentado LESION (A) 1,000,196 1,236,281 1,991,690 4,228,167 -57.39% 23.66% 29.24% 47.11%

SANO (B) 3,159,038 3,221,799 3,543,090 9,923,927 .% 31.83% 32.46% 35.7%

CBC P44UV III LESION (A) 15,080 15,883 50,312 81,275 -28.5% 18.55% 19.54% 61.9%

SANO (B) 28,620 29,732 55,325 113,677 .% 25.18% 26.15% 48.67%

CBC P44bUV III Pigmentado LESION (A) 7,601 6,262 12,304 26,167 -78.97% 29.05% 23.93% 47.02%

SANO (B) 40,119 34,350 49,943 124,412 .% 32.25% 27.61% 40.14%

CBC P46UV III LESION (A) 16,399,439 24,513,721 57,792,115 98,705,275 -24.29% 16.61% 24.84% 58.55%

SANO (B) 20,739,176 42,143,062 67,486,456 130,368,694 .% 15.91% 32.33% 51.77%

CBC P46bUV III LESION (A) 1,000,196 1,236,281 1,991,690 4,228,167 -57.39% 23.66% 29.24% 47.11%

SANO (B) 3,159,038 3,221,799 3,543,090 9,923,927 .% 31.83% 32.46% 35.7%

CBC P47UV III Pigmentado LESION (A) 30,966,775 54,247,303 135,011,060 220,225,138 -55.67% 14.06% 24.63% 61.31%

SANO (B) 86,266,201 157,518,275 253,008,706 496,793,182 .% 17.36% 31.71% 50.93%

CBC P48UV III LESION (A) 2,692,471 3,322,657 6,818,598 12,833,726 -17.75% 20.98% 25.89% 53.13%

SANO (B) 3,323,781 5,111,694 7,167,732 15,603,207 .% 21.3% 32.76% 45.94%

CBC, Luz Blanca



Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

CBC nodular

pigmentado P6B III Pigmentado

LESION (A) 1,316,802 1,306,984 1,531,932 4,155,718 -9.27% 31.69% 31.45% 36.86%

SANO (B) 1,764,081 1,400,790 1,415,676 4,580,547 .% 38.51% 30.58% 30.91%

CBC nodular


LESION (A) 33,089 22,644 21,390 77,123 -21.64% 42.9% 29.36% 27.73%

SANO (B) 43,787 30,583 24,054 98,424 .% 44.49% 31.07% 24.44%

CBC nodular


LESION (A) 2,574,510 2,217,153 2,373,223 7,164,886 -54.66% 35.93% 30.94% 33.12%

SANO (B) 5,438,508 5,183,087 5,180,271 15,801,866 .% 34.42% 32.8% 32.78%

CBC superficial P14B II LESION (A) 1,738,320 1,496,152 1,431,460 4,665,932 -11.31% 37.26% 32.07% 30.68%

SANO (B) 1,777,138 1,753,515 1,730,394 5,261,047 .% 33.78% 33.33% 32.89%

CBC nodular

infiltrante

ulcerado

P22bB III LESION (A) 3,578,830 2,883,402 3,018,591 9,480,823 -19.47% 37.75% 30.41% 31.84%

SANO (B) 4,132,867 3,853,790 3,785,717 11,772,374 .% 35.11% 32.74% 32.16%

CBC nodular

infiltrante

pigmentado

P34B IV Pigmentado LESION (A) 529,134 440,046 456,335 1,425,515 -34.48% 37.12% 30.87% 32.01%

SANO (B) 735,871 712,029 727,884 2,175,784 .% 33.82% 32.73% 33.45%

CBC nodular P39B III LESION (A) 1,058,818 1,012,091 1,043,962 3,114,871 -19.82% 33.99% 32.49% 33.52%

SANO (B) 1,277,809 1,277,976 1,329,246 3,885,031 .% 32.89% 32.89% 34.21%

CBC nodular

pigmentado

con patrón

adenoideo

P42B IV Pigmentado

LESION (A) 768,986 791,068 932,581 2,492,635 -69.6% 30.85% 31.74% 37.41%

SANO (B) 2,766,659 2,683,647 2,748,473 8,198,779 .% 33.74% 32.73% 33.52%

CBC P44B III LESION (A) 144,944 144,505 163,135 452,584 -24.11% 32.03% 31.93% 36.05%

SANO (B) 206,814 195,668 193,888 596,370 .% 34.68% 32.81% 32.51%

CBC P44bB III Pigmentado LESION (A) 41,220 48,336 59,690 149,246 -31.91% 27.62% 32.39% 39.99%

SANO (B) 80,344 72,304 66,532 219,180 .% 36.66% 32.99% 30.35%

CBC P46B III LESION (A) 63,780,698 44,772,276 51,990,040 160,543,014 -3.9% 39.73% 27.89% 32.38%

SANO (B) 63,697,024 51,550,806 51,806,652 167,054,482 .% 38.13% 30.86% 31.01%

CBC P46bB III LESION (A) 14,599,643 8,847,041 11,705,297 35,151,981 -24.05% 41.53% 25.17% 33.3%

SANO (B) 17,833,058 14,430,796 14,020,235 46,284,089 .% 38.53% 31.18% 30.29%

CBC P47B III Pigmentado LESION (A) 164,229,843 122,148,992 132,642,084 419,020,919 -39.67% 39.19% 29.15% 31.66%

SANO (B) 240,478,507 227,505,395 226,517,793 694,501,695 .% 34.63% 32.76% 32.62%

CBC P48B III LESION (A) 6,371,334 5,137,670 5,434,569 16,943,573 -15.91% 37.6% 30.32% 32.07%

SANO (B) 7,138,262 6,394,629 6,615,970 20,148,861 .% 35.43% 31.74% 32.84%



3.1.3 Imágenes de lesiones, Nevo Intradérmico.

A continuación se muestran imágenes de lesiones, diagnosticadas con nevo

intradérmico por médicos del hospital Manuel Gea González, con luz blanca y con luz

UV de 365nm.

Figura 3.15, Paciente 15 NID, izq. Luz blanca, der. Luz UV.

Figura 3.16, Paciente 29 NID, izq. Luz blanca, der. Luz UV.

Figura 3.17, Paciente 30 NID, izq. Luz blanca, der. Luz UV

Figura 3.18, Paciente 30b NID, izq. Luz blanca, der. Luz UV



Figura 3.19, Paciente 31 sup. NID, izq. Luz blanca, der. Luz UV

Figura 3.20, Paciente 31 inf. NID, izq. Luz blanca, der. Luz UV



Figura 3.23, Paciente 41b NID, izq. Luz blanca, der. Luz UV





3.1.4 Mediciones en Imágenes de lesiones, Nevo Intradérmico.

Tabla 3.4, Mediciones en imágenes con luz blanca, NID.

NID, Luz Blanca



Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

Nevo melanocítico

intradérmico P15B IV

LESION (A) 588,199 507,344 472,618 1,568,161 -14.64% 37.51% 32.35% 30.14%

SANO (B) 619,489 620,620 597,006 1,837,115 .% 33.72% 33.78% 32.5%

Nevo melanocítico

intradérmico P29B III Pigmentado

LESION (A) 1,041,523 1,005,211 1,037,303 3,084,037 -55.8% 33.77% 32.59% 33.63%

SANO (B) 2,286,102 2,305,443 2,386,063 6,977,608 .% 32.76% 33.04% 34.2%

Nevo melanocítico

intradérmico P30B IV Pigmentado

LESION (A) 404,779 324,071 309,531 1,038,381 -42.89% 38.98% 31.21% 29.81%

SANO (B) 613,611 603,293 601,312 1,818,216 .% 33.75% 33.18% 33.07%

Nevo melanocítico

intradérmico P30bB IV Pigmentado

LESION (A) 285,510 237,419 234,001 756,930 -35.97% 37.72% 31.37% 30.91%

SANO (B) 402,659 393,372 386,202 1,182,233 .% 34.06% 33.27% 32.67%

Nevo melanocítico


LESION (A) 247,173 202,614 188,589 638,376 -29.54% 38.72% 31.74% 29.54%

SANO (B) 316,125 300,992 288,906 906,023 .% 34.89% 33.22% 31.89%

Nevo melanocítico

intradérmico P31bB IV Pigmentado

LESION (A) 39,694 32,622 30,816 103,132 -61.02% 38.49% 31.63% 29.88%

SANO (B) 90,939 87,875 85,794 264,608 .% 34.37% 33.21% 32.42%

Nevo melanocítico


LESION (A) 272,974 225,472 199,470 697,916 -45.03% 39.11% 32.31% 28.58%

SANO (B) 419,070 418,354 432,149 1,269,573 .% 33.01% 32.95% 34.04%

Nevo azul celular P41B IV Pigmentado LESION (A) 383,120 469,338 504,392 1,356,850 -49.19% 28.24% 34.59% 37.17%

SANO (B) 909,190 889,703 871,707 2,670,600 .% 34.04% 33.31% 32.64%

Nevo melanocítico

intradérmico con

patrón congénito

P41bB IV Pigmentado LESION (A) 394,877 398,603 407,513 1,200,993 -39.26% 32.88% 33.19% 33.93%

SANO (B) 674,758 656,669 645,724 1,977,151 .% 34.13% 33.21% 32.66%

Nevo melanocítico


LESION (A) 1,656,479 1,453,703 1,557,431 4,667,613 -32.74% 35.49% 31.14% 33.37%

SANO (B) 2,660,341 2,146,838 2,132,461 6,939,640 .% 38.34% 30.94% 30.73%

Nevo melanocítico


LESION (A) 3,971,488 2,754,965 2,369,957 9,096,410 -57.05% 43.66% 30.29% 26.05%

SANO (B) 7,361,441 6,805,120 7,010,587 21,177,148 .% 34.76% 32.13% 33.1%



Tabla 3.5, Mediciones en imágenes con luz UV de 365 nm, NID.

NID, Luz UV



Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

Nevo

melanocítico

intradérmico

P15UV IV LESION (A) 379,879 314,986 313,949 1,008,814 -3.96% 37.66% 31.22% 31.12%

SANO (B) 367,324 343,301 339,756 1,050,381 .% 34.97% 32.68% 32.35%

Nevo

melanocítico

intradérmico

P29UV III Pigmentado LESION (A) 589,008 572,843 607,688 1,769,539 -51.66% 33.29% 32.37% 34.34%

SANO (B) 1,172,909 1,176,776 1,311,269 3,660,954 .% 32.04% 32.14% 35.82%

Nevo

melanocítico

intradérmico


SANO (B) 144,038 138,657 147,276 429,971 .% 33.5% 32.25% 34.25%

Nevo

melanocítico

intradérmico

P30bUV IV Pigmentado LESION (A) 21,433 36,214 91,611 149,258 -52.52% 14.36% 24.26% 61.38%

SANO (B) 45,656 90,190 178,508 314,354 .% 14.52% 28.69% 56.79%

Nevo

melanocítico

intradérmico


SANO (B) 236,485 231,213 277,397 745,095 .% 31.74% 31.03% 37.23%

Nevo

melanocítico

intradérmico

P31bUV IV Pigmentado LESION (A) 10,676 9,279 10,821 30,776 -74.4% 34.69% 30.15% 35.16%

SANO (B) 36,190 37,344 46,677 120,211 .% 30.11% 31.07% 38.83%

Nevo

melanocítico

intradérmico

P36UV III Pigmentado LESION (A) 311,366 227,670 243,309 782,345 -77.8% 39.8% 29.1% 31.1%

SANO (B) 974,090 1,094,250 1,455,263 3,523,603 .% 27.64% 31.05% 41.3%

Nevo azul

celular P41UV IV Pigmentado

LESION (A) 74,989 102,565 132,570 310,124 -38.61% 24.18% 33.07% 42.75%

SANO (B) 166,051 165,101 174,010 505,162 .% 32.87% 32.68% 34.45%

Nevo

melanocítico

intradérmico

con patrón

congénito

P41bUV IV Pigmentado

LESION (A) 176,286 261,044 435,060 872,390 -32.01% 20.21% 29.92% 49.87%

SANO (B) 337,213 406,534 539,443 1,283,190 .% 26.28% 31.68% 42.04%

Nevo

melanocítico

intradérmico

P49UV IV Pigmentado LESION (A) 667,783 1,319,757 2,476,330 4,463,870 -41.18% 14.96% 29.57% 55.47%

SANO (B) 1,515,391 2,495,352 3,577,794 7,588,537 .% 19.97% 32.88% 47.15%

Nevo

melanocítico

intradérmico

P50UV III Pigmentado LESION (A) 1,889,567 1,086,745 2,205,911 5,182,223 -77.8% 36.46% 20.97% 42.57%

SANO (B) 6,637,915 6,831,357 9,877,727 23,346,999 .% 28.43% 29.26% 42.31%

3.1.5 Imágenes de lesiones, Cáncer Espinocelular.

A continuación se muestran imágenes de lesiones, diagnosticadas con cáncer

espinocelular por médicos del hospital Manuel Gea González, con luz blanca y con luz

UV de 365nm.

Figura 3.26, Paciente 8 CEC, izq. Luz blanca, der. Luz UV











3.1.6 Mediciones en Imágenes de lesiones, Cáncer Espinocelular.

Tabla 3.6, Mediciones en imágenes con luz blanca, CEC.

CEC, Luz Blanca



Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

CEC invasor bien

diferenciado P8B III IN SITU

LESION (A) 980,109 744,967 775,963 2,501,039 -26.47% 39.19% 29.79% 31.03%

SANO (B) 1,232,916 1,092,993 1,075,298 3,401,207 .% 36.25% 32.14% 31.62%

CEC invasor P10B IV LESION (A) 4,064,478 3,446,485 3,289,691 10,800,654 -4.93% 37.63% 31.91% 30.46%

SANO (B) 4,471,800 3,631,524 3,256,921 11,360,245 .% 39.36% 31.97% 28.67%

CEC invasor bien

diferenciado P17B III

LESION (A) 1,463,340 1,222,951 1,145,270 3,831,561 8.71% 38.19% 31.92% 29.89%

SANO (B) 1,333,410 1,150,172 1,041,070 3,524,652 .% 37.83% 32.63% 29.54%

CEC in situ

ulcerado

acantolítico

P22B III IN SITU LESION (A) 7,265,796 6,648,968 7,334,012 21,248,776 2.71% 34.19% 31.29% 34.51%

SANO (B) 7,193,961 6,587,461 6,907,364 20,688,786 .% 34.77% 31.84% 33.39%

CEC invasor bien

diferenciado P24B IV

LESION (A) 3,396,262 2,392,365 2,331,979 8,120,606 -23.14% 41.82% 29.46% 28.72%

SANO (B) 3,565,331 3,528,397 3,471,512 10,565,240 .% 33.75% 33.4% 32.86%

CEC in situ P32B III IN SITU LESION (A) 1,029,322 621,739 358,279 2,009,340 -43.68% 51.23% 30.94% 17.83%

SANO (B) 1,434,185 1,248,739 884,933 3,567,857 .% 40.2% 35.% 24.8%

CEC invasor bien

diferenciado P37B III

LESION (A) 264,424 271,321 281,009 816,754 48.11% 32.37% 33.22% 34.41%

SANO (B) 199,432 177,479 174,528 551,439 .% 36.17% 32.18% 31.65%

Tabla 3.7, Mediciones en imágenes con luz UV de 365 nm, CEC.

CEC, Luz UV



Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

CEC invasor bien

diferenciado P8UV III IN SITU

LESION (A) 2,101,183 2,064,974 3,015,454 7,181,611 -4.75% 29.26% 28.75% 41.99%

SANO (B) 2,341,519 2,301,378 2,897,126 7,540,023 .% 31.05% 30.52% 38.42%

CEC invasor P10UV IV LESION (A) 3,576,464 4,233,392 6,208,990 14,018,846 6.64% 25.51% 30.2% 44.29%

SANO (B) 3,979,916 3,956,708 5,208,978 13,145,602 .% 30.28% 30.1% 39.63%

CEC invasor bien

diferenciado P17UV III

LESION (A) 869,317 1,142,683 1,629,641 3,641,641 157.% 23.87% 31.38% 44.75%

SANO (B) 552,476 444,039 420,486 1,417,001 .% 38.99% 31.34% 29.67%

CEC in situ

ulcerado

acantolítico

P22UV III IN SITU LESION (A) 1,904,978 2,537,015 3,543,120 7,985,113 51.9% 23.86% 31.77% 44.37%

SANO (B) 1,575,451 1,610,398 2,070,979 5,256,828 .% 29.97% 30.63% 39.4%

CEC invasor bien

diferenciado P24UV IV

LESION (A) 420,239 602,720 993,593 2,016,552 446.29% 20.84% 29.89% 49.27%

SANO (B) 145,969 107,823 115,342 369,134 .% 39.54% 29.21% 31.25%

CEC in situ P32UV III IN SITU LESION (A) 561,300 577,279 971,002 2,109,581 -34.84% 26.61% 27.36% 46.03%

SANO (B) 897,510 1,027,793 1,312,059 3,237,362 .% 27.72% 31.75% 40.53%

CEC invasor bien

diferenciado P37UV III

LESION (A) 68,503 94,723 143,166 306,392 52.58% 22.36% 30.92% 46.73%

SANO (B) 48,561 60,631 91,618 200,810 .% 24.18% 30.19% 45.62%



3.1.7 Imágenes de lesiones, Melanoma.

A continuación se muestran imágenes de lesiones, diagnosticadas con melanoma por

médicos del hospital Manuel Gea González, con luz blanca y con luz UV de 365nm.

Figura 3.33, Paciente 20 MM, izq. Luz blanca, der. Luz UV







3.1.8 Mediciones en Imágenes de lesiones, Melanoma.

Tabla 3.8, Mediciones en imágenes con luz blanca, MM.

MM, Luz Blanca



Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

Melanoma

cutáneo invasor P20B V

LESION (A) 1,520,098 2,176,939 3,095,128 6,792,165 -45.91% 22.38% 32.05% 45.57%

SANO (B) 4,200,935 4,155,726 4,201,191 12,557,852 .% 33.45% 33.09% 33.45%

Melanoma

cutáneo invasor

ulcerado

P25B IV LESION (A) 123,421 132,623 155,412 411,456 -67.12% 30.% 32.23% 37.77%

SANO (B) 452,516 408,931 389,987 1,251,434 .% 36.16% 32.68% 31.16%

Melanoma

cutáneo invasor P27B IV

LESION (A) 354,623 302,925 208,073 865,621 -74.64% 40.97% 35.% 24.04%

SANO (B) 1,517,719 1,262,518 632,696 3,412,933 .% 44.47% 36.99% 18.54%

Melanoma

cutáneo invasor P35B IV

LESION (A) 269,361 290,943 240,558 800,862 -88.11% 33.63% 36.33% 30.04%

SANO (B) 2,525,886 2,273,174 1,936,667 6,735,727 .% 37.5% 33.75% 28.75%

Melanoma acral

lentiginoso

focalmente

invasor

P38B IV

LESION (A) 455,893 577,391 693,101 1,726,385 -61.58% 26.41% 33.45% 40.15%

SANO (B) 1,521,527 1,481,361 1,490,205 4,493,093 .% 33.86% 32.97% 33.17%

Tabla 3.9, Mediciones en imágenes con luz UV de 365 nm, MM.

MM, Luz UV



Pixel por Nivel de

Intensidad R

Pixel por Nivel de

Intensidad G

Pixel por Nivel de

Intensidad B

SUMA PNI RGB

COMPARACIÓN DE LA

INTENSIDAD TOTAL

P% R P% G P% B

Melanoma

cutáneo invasor P20UV V

LESION (A) 182,882 314,363 797,708 1,294,953 -38.13% 14.12% 24.28% 61.6%

SANO (B) 685,635 686,653 720,594 2,092,882 .% 32.76% 32.81% 34.43%

Melanoma

cutáneo invasor

ulcerado

P25UV IV LESION (A) 100,279 120,678 204,914 425,871 -77.36% 23.55% 28.34% 48.12%

SANO (B) 673,007 625,257 582,469 1,880,733 .% 35.78% 33.25% 30.97%

Melanoma

cutáneo invasor P27UV IV

LESION (A) 267,751 290,413 310,431 868,595 -66.6% 30.83% 33.43% 35.74%

SANO (B) 929,206 885,522 785,868 2,600,596 .% 35.73% 34.05% 30.22%

Melanoma

cutáneo invasor P35UV IV

LESION (A) 127,700 145,066 123,396 396,162 -76.1% 32.23% 36.62% 31.15%

SANO (B) 519,108 531,969 606,174 1,657,251 .% 31.32% 32.1% 36.58%

Melanoma acral

lentiginoso

focalmente

invasor

P38UV IV LESION (A) 480,431 456,571 762,408 1,699,410 -77.61% 28.27% 26.87% 44.86%

SANO (B) 2,333,402 2,394,485 2,863,318 7,591,205 .% 30.74% 31.54% 37.72%

De las mediciones realizadas a las imágenes de pacientes con los distintos

padecimientos, en el Hospital Gea González se recomendó que se hiciera la clasificación

por fototipo ya que este es muy importante para determinar la variación de la

intensidad de la lesión con respecto a la piel sana.



A continuación se muestran las mediciones clasificadas por fototipo II, III, IV y V,

indicando el rango (mínimo y máximo) de la variación de intensidades de las lesiones

de los distintos padecimientos, así como las gráficas correspondientes para visualizar

las mediciones.

3.1.9 Intensidad de lesiones en pacientes con fototipo II.

Tabla 3.10, Mediciones en imágenes, pacientes con fototipo II.

LESIONES EN PACIENTES CON FOTOTIPO II

PADECIMIENTO RANGO DE INTENSIDADES LUZ B RANGO DE INTENSIDADES LUZ UV

Un solo paciente Un solo paciente

CBC -11.31% -65.13%

Sólo hay un paciente con fototipo II con padecimiento de cáncer basocelular, la

medición con luz blanca es de menor intensidad con respecto a la piel sana en un

11.31%, con luz UV la lesión no presenta fluorescencia y se hace menos intensa en un

65.13% con respecto a la piel sana.

3.1.10 Intensidad de lesiones en pacientes con fototipo III.

Tabla 3.11, Mediciones en imágenes, pacientes con fototipo III.

LESIONES EN PACIENTES CON FOTOTIPO III


MIN MAX MIN MAX

NID PIGMENTADO -57.05% -45.03% -77.8% -51.66%

CBC PIGMENTADO -54.66% -9.27% -78.97% -28.2%

CBC NO PIGMENTADO -24.11% -3.9% -36.46% -16.7%

CEC 8.71% 48.11% 52.58% 157.%

CEC IN SITU -43.68% 2.71% -34.84% 51.9%

Figura 3.38, Gráfica de rangos de intensidades fototipo III, luz blanca.



Figura 3.39, Gráfica de rangos de intensidades fototipo III, luz UV.

Los rangos de las variaciones de intensidad en lesiones para pacientes con fototipo III

con luz blanca pueden diferenciar CEC de NID pigmentado, CBC pigmentado, CBC no

pigmentado y CEC in situ, ya que es el único en que los rangos no se mezclan, el rango

de NID pigmentado sólo se mezcla con CBC pigmentado. Con luz UV se puede

diferenciar de igual forma el CEC de NID pigmentado, CBC pigmentado, CBC no

pigmentado, y CEC in situ, podemos identificar que sólo en el CEC y CEC in situ se hace

presente la fluorescencia, en los demás padecimientos sólo hay absorción ya que se

oscurece todavía más la lesión.

3.1.11 Intensidad de lesiones en pacientes con fototipo IV

Tabla 3.12, Mediciones en imágenes, pacientes con fototipo IV.

LESIONES EN PACIENTES CON FOTOTIPO IV

PADECIMIENTO

RANGO DE INTENSIDADES LUZ B

RANGO DE INTENSIDADES LUZ UV

MIN MAX MIN MAX

MELANOMA -88.11% -61.58% -77.61% -66.6%

NID PIGMENTADO -61.02% -29.54% -74.4% -32.01%

NID NO PIGMENTADO (1 PACIENTE) -14.64% -14.64% -3.96% -3.96%

CBC PIGMENTADO -69.6% -34.48% -57.39% -33.86%

CEC -23.14% -4.93% 6.64% 446.29%



Figura 3.40, Gráficas de rangos de intensidades fototipo IV, luz blanca.

Figura 3.41, Gráficas de rangos de intensidades fototipo IV, luz UV.

Para lesiones pigmentadas en pacientes con fototipo IV los intervalos de las variaciones

de intensidad con luz blanca diferencian Melanoma de NID pigmentado, NID no

pigmentado y CEC, ya que los rangos no se mezclan, el intervalo para Melanoma sólo se

mezcla con el de CBC pigmentado. Con luz UV se puede diferenciar Melanoma de CBC

pigmentado, NID no pigmentado y CEC. El intervalo para el Melanoma sólo se mezcla

con el de NID pigmentado.



Es importante hacer notar que la situación más apremiante en el diagnóstico de una

lesión es la diferenciación entre lesiones pigmentadas, ya que el no poder identificar a

tiempo un melanoma y confundirlo con un NID pigmentado o con un CBC pigmentado

resulta fatal para el paciente. Si el melanoma no se ha expandido lateralmente por más

de 5 mm, el paciente aún puede ser rescatado realizándole la resección completa del

tumor. Por lo anterior resulta de gran importancia que al menos en pacientes con

fototipo IV se puedan diferenciar las lesiones pigmentadas melanoma, NID y CBC a

través de las fotografías con luz blanca y con luz ultravioleta.

Podemos identificar que en NID no pigmentado y en CEC se hace presente la

fluorescencia, en los demás padecimientos hay absorción ya que se oscurece todavía

más la lesión.

3.1.12 Discusión relativa a este resultado.

a) Propiedades ópticas y génesis de cromóforos en la piel.

Para la radiación electromagnética entre el UV y el visible la piel contiene tres

cromóforos principales: la sangre absorbe considerablemente en los intervalos de 400

a 425 nm y de 500 a 600 nm; los melanosomas absorben de 300 a 700 nm y en menor

grado de 280 a 300 nm y; la queratina que absorbe en el UV con un máximo alrededor

de 280 nm.

Los melanosomas son vesículos que se encuentran dentro de los melanocitos, que son

células localizadas en el estrato basal. En algunos melanocitos, los melanosomas

permanecen estáticos en el centro de estos. En otros ocurre la formación de

seudópodos largos que llevan a los melanosomas lejos del centro de la célula, desde

donde se desprenden de los melanocitos y son atrapados y absorbidos por los

queratinocitos que le rodean (alrededor de 36) [3.3]. Los melanosomas sintetizan dos

tipos de melanina: la pheomelanina (roja/amarilla) y la eumelanina (café/negra). Estas

pueden diferir a demás en tamaño, forma y manera en que empacan sus granos [3.4].

Así, las diferencias en pigmentación de la piel pueden surgir de variaciones en número,

tamaño, composición y distribución de melanosomas, el número de melanocitos

permanece relativamente constante. La melanina y los melanosomas son finalmente

removidos al desplazarse con los queratinocitos hacia la superficie de la piel (estrato

corneo). Conforme aumenta la concentración de melanosomas en la piel aumenta su

absorción y por tanto disminuye su reflectancia [3.5].



La queratina (la cual aparece en la piel, el pelo y las uñas) es una proteína producida

por los queratinocitos, los cuales constituyen aproximadamente el 95% de las células en

la epidermis. Los queratinocitos se forman en el estrato basal y allí se denominan

células basales, al emigrar hacia la superficie de la piel se convierten en células

escamosas. Así, a los carcinomas de células basales (CBC) y de células escamosas

también se les denomina cáncer de queratinocitos. En el estrato corneo los

queratinocitos aparecen ya como células muertas.

b) Efectos de los cromóforos en la coloración de piel normal.

Las imágenes vistas con un dermoscopio (o con la fotografía con luz blanca) no es

sensitiva a la concentración de células tumorales sino a la repartición de melanina en la

epidermis [3.6].

c) Efectos de los cromóforos en lesiones pigmentadas (melanoma, NID y

CBC).

El hecho de que con luz blanca el melanoma aparezca en promedio más obscuro que un

NID pigmentado ó un CBC pigmentado se puede explicar a través del contenido de

melanocitos en la lesión y la profundidad de la lesión en la piel.

Una lesión melanoma es una lesión pigmentada formada por melanocitos malignos

que invaden la piel desde su superficie hasta una profundidad que depende del grado

de avance de la lesión.

Los NID pigmentados, formados por nevocitos (que tan bien son melanocitos), se

presentan en la dermis y en la región más profunda de la epidermis. Aquí la luz blanca

interactúa primero con las células de la epidermis para después interactuar con los

melanocitos en la lesión, por lo que luz reflejada desde la epidermis permite una

reflectancia mayor de la zona irradiada.

En un CBC pigmentado (el cual se origina en la región basal de la epidermis) se

entremezclan melanocitos con células basales y se encuentra una cantidad variable de

melanina en el citoplasma de las células basales neoplásicas. También se encuentran

muchos macrófagos con pigmentos de melanina en el estroma [3.7]. Así, el contenido

de melanina en este tipo de lesión es menor que el correspondiente al melanoma y al

NID pigmentado y su ubicación comprende a la epidermis y la dermis.



3.1.13 Intensidad de lesiones en pacientes con fototipo V

Tabla 3.13, Mediciones en imágenes, pacientes con fototipo V.

LESIONES EN PACIENTES CON FOTOTIPO V


Un solo paciente Un solo paciente

MELANOMA -45.91% -38.13%

Sólo hay un paciente con fototipo V con padecimiento de melanoma, la medición con

luz blanca es de menor intensidad con respecto a la piel sana en un 45.91%, con luz UV

la lesión sigue siendo de menor intensidad con respecto a la piel sana en un 38.13%,

aquí podemos observar que la lesión con luz blanca es menos intensa que con luz UV.

3.2 Espectroscopia de reflectancia difusa y fluorescencia en

lesiones.

La metodología para la realización de las medidas espectroscópicas consistió en colocar

la sonda de la fibra óptica en contacto directo sobre la lesión y luego sobre el tejido

circundante. La potencia de irradiación de la fuente de luz fue establecida a un valor de

1.5 mW y el espectrómetro se configuro con un tiempo de integración de 100 ms.

Posteriormente los espectros fueron suavizados empleando un filtro Savitzky-Golay de

4to orden para eliminar el ruido de alta frecuencia originado por el espectrómetro.

Las Gráficas de los espectros (ver Figuras 3.40 a 3.43) muestran los espectros de

fluorescencia y de reflectancia difusa de las lesiones estudiadas. En éstas se observa que

los espectros de tejido sano mostraron patrones similares; a excepción del CEC, la

intensidad de los tejidos sanos fue mayor que la de las lesiones. La fluorescencia se

presentó en el intervalo de 420 a 800 nm con un punto de emisión máximo alrededor

de los 500 nm. Se observó que conforme más oscura es la piel, los espectros del tejido

sano son más tenues. Con la reflectancia difusa se encontraron los puntos de absorción

típicos de la hemoglobina a 545 nm y 575 nm [3.8], los cuales no se observaron en las

lesiones. En las lesiones pigmentadas (melanoma, nevos melanocíticos y CBC) se

encontró una fuerte atenuación de los espectros.



En todos los casos de CBC (fototipos II, III y IV) se observó que la intensidad de la

fluorescencia disminuyó ligeramente conforme se incrementaba el fototipo.

Figura 3.42, Carcinoma Basocelular: espectros de fluorescencia y reflectancia difusa.



Figura 3.43, Carcinoma Espinocelular: espectros de fluorescencia y reflectancia difusa.



Figura 3.44, Nevos Melanocíticos: espectros de fluorescencia y reflectancia difusa



Figura 3.45, Melanoma Maligno: espectros de fluorescencia y reflectancia difusa.

Los espectros de reflectancia difusa de CBC pigmentados se separaron en tres grupos.

El primero de ellos presentó una mayor intensidad (las lesiones presentaban poco

pigmento clínicamente) y se observaron muy ligeramente los puntos de absorción de la

hemoglobina. En el segundo grupo se vieron ligeramente los puntos de absorción de la

hemoglobina (545 y 575 nm) y finalmente, el último grupo en el cual la intensidad

estaba sumamente atenuada y que corresponde a los casos donde se observó la mayor

pigmentación clínica. En los espectros de CBC no pigmentados, se observaron los

puntos de absorción de la hemoglobina.



Los resultados mostraron diferencias en la intensidad y forma de los espectros de

fluorescencia y reflectancia difusa entre tejido sano y las lesiones de piel estudiadas. En

el tejido sano se observó un patrón del espectro de fluorescencia perfectamente

definido, que en contraste con lesiones pigmentadas, este fue imperceptible. El espectro

de absorción de la melanina crece de la región visible hacia la región UV del espectro

electromagnético, por lo tanto este hecho puede explicar la atenuación que sufren los

espectros de fluorescencia en las lesiones pigmentadas de piel.

Esto podría tener un uso valioso en la diferenciación de neoplasias pigmentadas, como

Melanoma o CBC, para distinguirlas de lesiones sin pigmento que pueden confundirse,

como un proceso angiomatoso trombosado [3.1]. Para el caso de los CBC y NID no

pigmentados, así como para CEC, se observaron espectros de fluorescencia similares al

tejido sano. Sin embargo, en la mayoría de los casos, tales espectros mostraron una

intensidad de la fluorescencia menor en comparación al tejido sano.

La reflectancia difusa se caracterizó principalmente por la presencia de los puntos

típicos de absorción de la hemoglobina. En todos los casos la intensidad para el tejido

sano de referencia fue mayor que para las lesiones. De manera importante, se

encontraron variaciones de los resultados según el fototipo del paciente. Además se

observó una disminución en la intensidad de las lesiones pigmentadas en contraste con

las no pigmentadas. La intensidad de los melanomas fue menor a la de los nevos

melanocíticos, principalmente en la región de 600 a 750 nm. Este intervalo podría ser

utilizado como punto de diferenciación entre ambas lesiones, aunque fue un número

pequeño de lesiones, es un dato importante para proponer estudios subsecuentes [3.1].

Estos resultados de espectroscopia no generan aún relaciones claras entre las

intensidades para los diferentes tipos de lesiones. Esto podría deberse a diferentes

fallas en la técnica, como el lugar de la medición, ya que la localización de la punta

sobre la lesión era imprecisa debido al diámetro de la fibra óptica y la presión ejercida

de la sonda sobre la lesión podía variar de medición a medición. Este método podría no

ser de utilidad en lesiones menores de 1 cm debido al tamaño de la sonda [3.1].



Referencias

[3.1].S. Arroyo, J. Domínguez, J. Contreras, D. Fabila, A. Escobar, S. Stolik, J. de la

Rosa (2014). Características de la espectroscopia y las imágenes con luz blanca y

ultravioleta en pacientes con cáncer de piel melanoma y no melanoma. Reporte

interno, Hospital General “Dr. Manuel Gea González”.

[3.2].Susanne Astner and Rox Anderson (2004). Skin Phototypes 2003, Wellman

Laboratories of Photomedicine, Massachusetts General Hospital, Boston,

Massachusetts, USA, Journal of Investigative Dermatology (2004) 122, xxx–xxxi;

doi:10.1046/j.1523-1747.2003.22251.x

[3.3].H. Ando, Y. Niki, M. Ito, K. Akiyama, M, S. Matsui, D. B. Yarosh and M.

Ichihashi, “Melanosomes are transferred from melanocytes to keratinocytes

through the processes of packaging, release, uptake, and dispersion”, Journal of

Investigative Dermatology 132, 2012, pp. 1222-12299

[3.4].J. Y. Lin, D. E. Fisher, “Melanocyte biology and skin pigmentation” Nature 445,

2007, pp.843-850.

[3.5].K. P. Nielsen, L. Zhao, J. J. Stamnes, K. Stamnes, J. Moan, “The optics of human

skin: Aspects important for human health”, Solar Radiation for Human Healt, The

Noruegan Academy of Science and Letters, 2008, pp. 35-46.

[3.6].T. Balois, C. Chatelain, M. Ben Amar “Patterns in melanocytic lesions: impact of

the geometry and growth and transport inside the epidermis” J. R. Soc. Interface

11: 2014.0339

[3.7].P. G. Lang y J. C. Maize “Carcinoma basocelular” en Cáncer de Piel, Editor D. S.

Rigel, Elsevier 2006, Cap. 9

Capítulo 4. Conclusiones


Capítulo 4

Conclusiones y trabajo a futuro

4.1 Conclusiones

El objetivo general de este trabajo fue de estudiar lesiones en piel, a partir del análisis

de imágenes digitales con luz blanca y ultravioleta de 365nm y sus respectivos espectros

de reflectancia difusa y fluorescencia. Esto se realizó en pacientes del Hospital Gea

González que asistían a consulta y eran candidatos a realización de biopsia.

En el estudio de imágenes digitales a través de histogramas RGB para conocer la

intensidad de las áreas seleccionadas como lesiones y piel sana, se encontró que la

variación en porcentaje de estas ayuda a diferenciar el melanoma de las otras lesiones

estudiadas (NID pigmentado, CBC pigmentado, CEC, CEC in Situ, NID no pigmentado

y CBC). Lo anterior resulta de primera para lesiones pigmentadas. Las lesiones que se

estudiaron en el análisis de imágenes fueron diagnosticadas a través del estudio de las

biopsias correspondientes.

Se desarrolló software amigable para el análisis de imágenes que permite a los médicos

para hacer cortes en las imágenes digitales correspondientes a la lesión y a piel sana

perilesional. Con estos cortes el software hace el análisis de las imágenes digitales por

medio de histogramas RGB, generando el porcentaje de rojo, verde y azul que hay en

cada área cortada, también proporciona la intensidad total de cada área, la cual es

usada para su comparación entre lesiones con piel sana.

Los resultados y conclusiones dermatológicas son:

• Para imágenes digitales con luz blanca podemos observar que la mayoría de las

lesiones son menos intensas comparadas con piel sana, al utilizar luz UV para

ciertos tipos de padecimientos podemos observar que las lesiones se oscurecen

más que con luz blanca y para otros padecimientos la fluorescencia se hace

presente, dando a las lesiones intensidades mayores que la piel sana.



• Es muy importante resaltar que los resultados obtenidos con las

imágenes con luz blanca muestran que se puede diferenciar entre el

melanoma y los nevos melanocíticos. Además, con las imágenes de

luz UV de 365 nm, se puede diferenciar al melanoma de CBC

pigmentado. Por lo anterior proponemos a éste método como un

auxiliar diagnóstico previo a la biopsia, para diferenciar a estas

entidades malignas pigmentadas entre sí. Sin embargo, en este estudio

dado el número limitado de muestras no se encontraron patrones que apoyaran

la diferenciación entre CBC pigmentado y NID pigmentado, por lo que se

sugiere la continuación del estudio.

• En cuanto al CEC, la intensidad de la lesión con fluorescencia fue mayor que la

del tejido sano en pacientes con fototipo IV. No fue así en las otras lesiones,

incluido el CEC in-situ. En el caso de pacientes con fototipo III, tanto la

intensidad con luz blanca como de la fluorescencia de la lesión fueron mayores

que la del tejido sano.

• En este estudio observamos que la espectroscopia de fluorescencia podría

ayudar a diferenciar lesiones pigmentadas de no pigmentadas. La reflectancia

difusa podría diferenciar nevos melanocíticos del melanoma. La espectroscopia

de fluorescencia y reflectancia difusa no mostraron por el momento patrones

específicos para cada lesión, por lo que se requieren más estudios para

demostrar su uso.

• Una comparación de ambas técnicas en relación a lesiones pigmentadas da

como resultado su congruencia. En la tabla3.12 se observa que la intensidad del

melanoma con luz blanca va de -88 a -62, el NID pigmentado va de -61 a -30, y

el NID no pigmentado esta en -15 (un paciente). En otras palabras el melanoma

es más obscuro que el NID pigmentado, El NID no pigmentado es el más claro

de los tres. Al comparar la reflectancia difusa (esto es el espectro producido con

luz blanca) para el melanoma y para el NID pigmentado (ver figuras 3.43 y

3.42), se observa que en promedio la reflectancia es mayor para el NID

pigmentado. Las curvas se mantienen para el melanoma por debajo de 0.1 hasta

600 nm y son casi paralelas al eje horizontal. En promedio para el NID

pigmentado estas curvas aumentan prácticamente en una recta inclinada y

están por arriba de las curvas del melanoma.



En conclusión el NID pigmentado tiene más intensidad que el melanoma. Este

comportamiento es el que se observa con las intensidades que se calculan con

los espectrogramas de las fotografías. En conclusión, tanto con la reflectancia

difusa como con las fotografías se aprecia que el NID pigmentado refleja más

luz que el melanoma (ó que el NID pigmentado es más claro que el melanoma).

Las conclusiones sobre las técnicas usadas son:

• Las ventaja del uso de la fotografía digital y el software desarrollado sobre las

técnicas espectroscópicas aquí usadas radica en que la zona a analizar se elige

con gran precisión y alta resolución, no hay influencia de la presión sobre el

tejido y con la misma iluminación se puede comparar diferentes zonas (lesión,

perilesión y piel aparentemente sana). Esto podría ayudar a encontrar lesiones

que no sean perceptibles a simple vista, así como orientar al clínico en la

elección del sitio de la biopsia.

• Los inconvenientes encontrados durante la toma de las imágenes de

fluorescencia, fueron que el uso de calcetines, algodón o vendajes, desprendían

fibras milimétricas que resaltaban en las imágenes por fluorescencia. Además,

las imágenes de gran tamaño y las que se encontraban en regiones pilosas,

dificultaron la toma de fotografías y las mediciones de intensidad.

• Las diferencias de intensidad luminosa de las lesiones respecto al tejido sano

fueron más evidentes con el uso de fotografía, tanto de luz blanca como de luz

ultravioleta. Siendo este un método más accesible, económico y fácil de usar que

podría ser de gran utilidad en centros de referencia de estos padecimientos.

4.2 Mejoras en fotografías digitales de lesiones en piel.

Durante el desarrollo de esta investigación se realizaron mejoras a la propuesta inicial

de este trabajo para lograr fotografías digitales de mayor calidad,

Las principales dificultades que se tuvieron para la toma de imágenes fueron las de

contar con una fuente de iluminación homogénea dentro el área a interés, y las de

lograr una fotografía bien enfocada.



La iluminación propuesta inicialmente fue con un solo LED, con el cual se podía

iluminar con un solo ángulo de irradiación, esto generaba sombras en lesiones que

tenían texturas que sobresalían de la piel sana, en el análisis de imágenes se perdía la

información bajo las sombras, así que se decidió por una iluminación concéntrica a

través de un aro de iluminación de varios LEDs alrededor del lente de la cámara digital

[4.1, 4.2].

Estudiando el patrón de irradiación de los LEDs seleccionados para esta mejora se

determinó el ángulo de inclinación con el cual estos se deben instalar en el aro para

proporcionar luz homogénea, esto se realizó con LEDs de luz blanca y luz UV de 375

nm. [4.2]

Se cambió la cámara digital por una D5100 de Nikon, el tamaño del sensor es de

23.6mm x 15.6mm, 16.2 millones de píxeles reales en cada fotografía, se almacenan las

imágenes en memoria SD, la sensibilidad ISO es de 100 – 6400, el obturador es de

plano focal de recorrido vertical controlado electrónicamente [4.3].

Figura 4.1, Cámara Nikon D5100.

El aro se fabricó en Nylamid de 8 cm de diámetro externo, 6 cm de diámetro interno,

con una altura de 1.2 cm, se utilizaron 12 LEDs de luz blanca VAOL-3LWY4 de la firma

VCC OPTOELECTRONICS con una potencia óptica de 3.5 mW cada LED [4.4]

colocados a una misma distancia, en un diámetro de 7.5 cm con un ángulo de

inclinación de 22° al centro del aro [4.2], se utilizaron 12 LEDs de luz UV de 375 nm,

NSPU510CS de la firma NICHIA CORPORATION, con potencia óptica de 7.5 mW de

cada LED [4.5],colocados a una misma distancia, en un diámetro de 6.5 cm con un

ángulo de inclinación de 16° al centro del aro (ver figura 4.2)[4.2].



Figura 4.2, Equipo para tomar fotografías con luz blanca y luz UV.

Las fotografías se tomaron a 3 cm de distancia de la lesión al aro de iluminación que se

acopló al lente de la cámara, se lograron fotografías digitales de luz blanca y luz UV con

esta mejora, a los últimos 5 pacientes del proyecto en colaboración con el Hospital Gea

González (pacientes 46, 47, 48, 49 y 50), estas imágenes se incluyeron en el estudio

dado que la muestra general era reducida.

4.3 Recomendaciones para el trabajo a futuro.

• Se requiere hacer una normalización de la técnica fotográfica con el nuevo

sistema de iluminación, esto debe incluir, distancias de iluminación, potencias

ópticas, distancias de la lesión a la cámara, iluminación del lugar donde se

realiza el estudio, preparación del paciente, etc.

• Continuar con nuevos protocolos con hospitales para tener un mayor número de

muestras para cada padecimiento específico, y así llevar un control estadístico

con datos útiles que nos proporcione la confianza del sistema.

• Seguir trabajando en el procesado de los espectros obtenidos y su correlación

con los diagnósticos médicos.

• Investigar con iluminación violeta que permite observar zonas de

vascularización, por la banda de absorción de Soret.

• Abordar el procesado de las imágenes a través de la colorimetría para

aprovechar los desarrollos más recientes en estas técnicas, usando por ejemplo

la norma SCIELAB.



Referencias

[4.1].Solesio Pilarte, Lorda Barraguer, Laredo Ortiz, Rubio Verdú, (2009).

“Estandarización fotográfica en Cirugía Plástica y Estética”. Cirugía plástica

iberolatinoamericana. Vol. 35 Nº 2, Abril Mayo Junio 2009 / Pág. 79-90.

[4.2].Rojas Elder (2012), “Diseño y construcción de un dermatoscopio digital”, Tesis,

IPN, SEPI- ESIME ZAC.

[4.3].Nikon, “Características D5100”

http://www.nikon.com.mx/Nikon-Products/Product-Archive/Digital-SLR-

Cameras/D5100.html

[4.4].VCC OPTOELECTRONICS., “VAOL-3LWY4 Datasheet”

http://vcclite.com/_pdf/VAOL-3LWY4-LED-3mm-white.pdf

[4.5].Nichia Corp., “NSPU510CS Datasheet”.

http://www.nichia.co.jp/specification/products/led/NSPU510CS-E.pdf

Apéndices


I. Código fuente del PIC18F2550 para el control de la fuente de luz.

<<Se incluyen librerías>> #include <18f2550.h> #fuses XT,NOWDT,NOPROTECT,NOLVP #use delay(clock= 4000000) #include "LCD.c" #include "KBD.c" #include "LTC1257.c" <<función para leer números del teclado>> int16 LeerCadenaTeclado(){ char cValor; int16 iValor = 0; do { cValor = kbd_getc(); if(cValor == 0) continue; if(cValor != '*' && cValor != '#') { iValor = (iValor*10) + (cValor - 48); } else if(cValor != '#') { iValor = iValor / 10; } printf(lcd_putc,"\nVal: %ld ", iValor); } while(cValor != '#'); printf(lcd_putc,"\nVal: %ld",iValor); delay_ms(50); return iValor; } <<inicia el programa declarando variables>> void main() { int16 iLed; int16 iNivel; lcd_init(); kbd_init(); init_dac(); port_b_pullups(TRUE); write_dac(4095); while (TRUE) { <<Se escoge el LED blanco ó UV teniendo 16 niveles para el blanco de 100mW por nivel hasta llegar a 1.6W, y para el UV son 20 niveles de 50mW por nivel hasta llegar a 1W>> iNivel=1; lcd_putc("\fLuz B=1, UV=2\n"); delay_ms(500); iLed = LeerCadenaTeclado(); if (iLed==1) { while (iNivel != 0) { lcd_putc("\fB (0 - 16)="); delay_ms(500); iNivel = LeerCadenaTeclado();

switch (iNivel) { case 0: write_dac(4095); break; case 1: write_dac(3219); lcd_putc("\fB 1 = 100mW"); delay_ms(500); break; case 2: write_dac(3052); lcd_putc("\fB 2 = 200mW"); delay_ms(500); break; case 3: write_dac(2880); lcd_putc("\fB 3 = 300mW"); delay_ms(500); break; case 4: write_dac(2705); lcd_putc("\fB 4 = 400mW"); delay_ms(500); break; case 5: write_dac(2526); lcd_putc("\fB 5 = 500mW"); delay_ms(500); break; case 6: write_dac(2342); lcd_putc("\fB 6 = 600mW"); delay_ms(500); break; case 7: write_dac(2153); lcd_putc("\fB 7 = 700mW"); delay_ms(500); break; case 8: write_dac(1958); lcd_putc("\fB 8 = 800mW"); delay_ms(500); break; case 9: write_dac(1758); lcd_putc("\fB 9 = 900mW"); delay_ms(500); break; case 10: write_dac(1552); lcd_putc("\fB 10 = 1W"); delay_ms(500); break; case 11: write_dac(1338); lcd_putc("\fB 11 = 1.1W"); delay_ms(500); break; case 12: write_dac(1116); lcd_putc("\fB 12 = 1.2W"); delay_ms(500); break; case 13: write_dac(886); lcd_putc("\fB 13 = 1.3W"); delay_ms(500); break; case 14: write_dac(645);

Apéndices


lcd_putc("\fB 14 = 1.4W"); delay_ms(500); break; case 15: write_dac(394); lcd_putc("\fB 15 = 1.5W"); delay_ms(500); break; case 16: write_dac(129); lcd_putc("\fB 16 = 1.6W"); delay_ms(500); break; default: lcd_putc("\fNo encontrado"); delay_ms(500); break; } } } if (iLed==2) { while (iNivel != 0) { lcd_putc("\fUV (0 - 20)="); delay_ms(500); iNivel = LeerCadenaTeclado(); switch (iNivel) { case 0: write_dac(4095); break; case 1: write_dac(3329); lcd_putc("\fUV 1 = 50mW\nT = 63m 0s"); delay_ms(500); break; case 2: write_dac(3255); lcd_putc("\fUV 2 = 100mW\nT = 31m 30s"); delay_ms(500); break; case 3: write_dac(3177); lcd_putc("\fUV 3 = 150mW\nT = 20m 57s"); delay_ms(500); break; case 4: write_dac(3097); lcd_putc("\fUV 4 = 200mW\nT = 15m 43s"); delay_ms(500); break; case 5: write_dac(3016); lcd_putc("\fUV 5 = 250mW\nT = 12m 36s"); delay_ms(500); break; case 6: write_dac(2932); lcd_putc("\fUV 6 = 300mW\nT = 10m 30s"); delay_ms(500); break; case 7: write_dac(2844); lcd_putc("\fUV 7 = 350mW\nT = 8m 59s"); delay_ms(500); break; case 8: write_dac(2754); lcd_putc("\fUV 8 = 400mW\nT = 7m 52s"); delay_ms(500); break; case 9:

write_dac(2661); lcd_putc("\fUV 9 = 450mW\nT = 7m 0s"); delay_ms(500); break; case 10: write_dac(2563); lcd_putc("\fUV 10 = 500mW\nT = 6m 18s"); delay_ms(500); break; case 11: write_dac(2462); lcd_putc("\fUV 11 = 550mW\nT = 5m 43s"); delay_ms(500); break; case 12: write_dac(2355); lcd_putc("\fUV 12 = 600mW\nT = 5m 15s"); delay_ms(500); break; case 13: write_dac(2242); lcd_putc("\fUV 13 = 650mW\nT = 4m 50s"); delay_ms(500); break; case 14: write_dac(2122); lcd_putc("\fUV 14 = 700mW\nT = 4m 30s"); delay_ms(500); break; case 15: write_dac(1993); lcd_putc("\fUV 15 = 750mW\nT = 4m 12s"); delay_ms(500); break; case 16: write_dac(1855); lcd_putc("\fUV 16 = 800mW\nT = 3m 56s"); delay_ms(500); break; case 17: write_dac(1702); lcd_putc("\fUV 17 = 850mW\nT = 3m 42s"); delay_ms(500); break; case 18: write_dac(1531); lcd_putc("\fUV 18 = 900mW\nT = 3m 30s"); delay_ms(500); break; case 19: write_dac(1331); lcd_putc("\fUV 19 = 950mW\nT = 3m 19s"); delay_ms(500); break; case 20: write_dac(1081); lcd_putc("\fUV 20= 1W\nT = 3m 9s"); delay_ms(500); break; default: lcd_putc("\fNo encontrado"); delay_ms(500); break; } } } else if(iLed != 1 && iLed != 2) { lcd_putc("\fSolo 1 o 2"); delay_ms(500); } } }

Apéndices


II. Software para el análisis de imágenes digitales.

Se desarrolló una interfaz programada en MATLAB para el análisis RGB de imágenes

digitales con luz blanca y con luz UV, en la figura AII.1, se muestra el panel principal.

Figura AII.1, Panel principal del programa desarrollado.

Para realizar el estudio de imágenes digitales con luz blanca y luz UV, la interfaz cuenta

con varios botones, funciones, áreas para mostrar imágenes, gráficas, resultados e

inserción de texto. Para el uso correcto de la interfaz, a continuación se dará una breve

explicación de su funcionamiento:

1. Nuevo. Este botón tiene la función de limpiar toda la interfaz de imágenes,

gráficas y textos. Se recomienda que se active al comenzar el análisis en un

paciente nuevo.

2. Cargar Img. Se carga la imagen y la muestra en “A, E, I”. Se selecciona el

directorio donde se encuentra la imagen deseada, dar clic en “Abrir”.(ver figura

AII.2)

Apéndices


Figura AII.2, Cargar imagen en A, E, I.

3. Cortar Img. Si es necesario visualizar mejor el área a analizar se puede

acercar, alejar y mover la imagen “A”, con las herramientas en “11”. La imagen

mostrada en “A” se cortará de forma poligonal a través de establecer puntos con

el clic izquierdo del mouse, al cerrar el polígono se debe posicionar el puntero

dentro del área del polígono formado, dar clic derecho y seleccionar “Create

Mask”. El área no seleccionada se pondrá en negro, y sólo será visible el área

seleccionada, mostrándose en “A”.(ver figura AII.3)

(a) (b)

Figura AII.3, Cortar imagen en A, (a) formar polígono, (b) resultado del corte

Apéndices


4. Recortar. Si el área que se cortó en la imagen es muy pequeña y no se puede

visualizar se puede usar esta función, en el área se posiciona el cursor del mouse

dando clic izquierdo y sin soltar seleccionar el área formando un rectángulo, se

posiciona el cursor del mouse dentro del área seleccionada, dar clic derecho y

seleccionar “Crop Image”. El área seleccionada se hará más grande y se

visualizará en “A”. (ver figura AII.4)

(a) (b)

Figura AII.4, Recortar imagen en A, (a) seleccionar área a recortar, (b) resultado del recorte

5. Cargar Img. Cuando se requiera utilizar imágenes del Tejido B previamente

cortadas se carga la imagen y la muestra en “E”. Se selecciona el directorio

donde se encuentra la imagen deseada, dar clic en “Abrir”.

6. Polígono. El polígono que se construyó en el Tejido A, se formará en la misma

área en “E”, para moverlo a otra área a comparar, es necesario posicionar el

cursor del mouse en el centro del polígono, se sujeta dando clic izquierdo y se

mueve al área deseada. (ver figura AII.5)

Figura AII.5, Polígono en Tejido B.

Apéndices


7. Cortar Img. Cuando el polígono ya esté posicionado en el área deseada, esta

función corta el área de la imagen del Tejido B y lo muestra en “E”.(ver figura

AII.6)

Figura AII.6, Cortar Imagen en Tejido B.

8. Recortar. Si el área que se cortó en la imagen es muy pequeña y no se puede

visualizar se puede usar esta función, en el área se posiciona el cursor del mouse

dando clic izquierdo y sin soltar seleccionar el área formando un rectángulo, se

posiciona el cursor del mouse dentro del área seleccionada, dar clic derecho y

seleccionar “Crop Image”. El área seleccionada se hará más grande y se

visualizará en “E”. (ver figura AII.7)

(a) (b)

Figura AII.7, Recortar imagen en B, (a) seleccionar área a recortar, (b) resultado del recorte

9. Hist RGB. Se forman histogramas rojo, verde y azul, del área cortada, se

muestra el resultado en “B, C, D” para el Tejido A, y se muestra el resultado en

“F, G, H” para el Tejido B, (ver figura AII.8). En “ii” se muestran los valores de

Pixel por Nivel de Intensidad, porcentaje representado con respecto a la suma

de PNI de los 3 canales RGB, Media y Máximo pixel, para histogramas

correspondientes al Tejido A.

Apéndices


En “iii” se muestran el mismo estudio que en “ii”, pero para el Tejido B.

Figura AII.8, Histogramas RGB Tejido A y B.

En “iv”, se muestran los valores de Pixel por Nivel de Intensidad de cada

histograma RGB, Total de la Suma y el porcentaje contenido de cada canal RGB

para el Tejido A y para el Tejido B.

10. Cargar Img. Cuando se requiera utilizar imágenes del Tejido A y B

previamente cortadas y ya se hayan cargado en “A” y “E” respectivamente, se

necesita cargar la imagen original para saber cuál es la referencia de los cortes.

Se selecciona el directorio donde se encuentra la imagen deseada, dar clic en

“Abrir”, y se muestra en “I”.

11. Herramientas. En todo tiempo se pueden usar las herramientas para

acercar, alejar o mover la imagen. Para utilizar estas herramientas es

importante seleccionarlas para usarlas y deseleccionarlas para ya no usarlas y

seguir con la acción en curso (cortar, polígono, recortar).

Apéndices


12. Guardar. Se guardarán las imágenes (original, Tejido A y Tejido B),

histogramas (RGB del Tejido A y RGB del Tejido B), datos del paciente (No. De

Expediente, Nombre, Sexo, Edad, Lugar de lesión, Posible Diagnóstico) y datos

resultantes (PNI, %, media, pixel máximo, comparación, total). Se debe

seleccionar el directorio donde se desea guardar, introducir el nombre del

archivo y dar clic en guardar.

Apéndices


III. Código fuente del software de análisis de imágenes. Para programar la interfaz gráfica en MATLAB para analizar las imágenes digitales de lesiones se utilizó GUIDE, y se escribieron las funciones a realizar. function varargout = ComparacionImagenes6(varargin) % COMPARACIONIMAGENES6 MATLAB code for ComparacionImagenes6.fig % COMPARACIONIMAGENES6, by itself, creates a new COMPARACIONIMAGENES6 or raises the existing % singleton*. % % H = COMPARACIONIMAGENES6 returns the handle to a new COMPARACIONIMAGENES6 or the handle to % the existing singleton*. % % COMPARACIONIMAGENES6('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in COMPARACIONIMAGENES6.M with the given input arguments. % % COMPARACIONIMAGENES6('Property','Value',...) creates a new COMPARACIONIMAGENES6 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before ComparacionImagenes6_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to ComparacionImagenes6_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help ComparacionImagenes6 % Last Modified by GUIDE v2.5 16-Jun-2014 12:24:52 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @ComparacionImagenes6_OpeningFcn, ... 'gui_OutputFcn', @ComparacionImagenes6_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before ComparacionImagenes6 is made visible. function ComparacionImagenes6_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.

% hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to ComparacionImagenes6 (see VARARGIN) % Choose default command line output for ComparacionImagenes6 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes ComparacionImagenes6 wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = ComparacionImagenes6_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) try [filename,pathname] = uigetfile('*.jpg','Selecciona imagen para abrir'); if isequal(filename,0) %Do nothing yet else handles.myImage = imread(fullfile(pathname, filename)); handles.myImage2 = imread(fullfile(pathname, filename)); image(handles.myImage, 'Parent', handles.axes1); image(handles.myImage, 'Parent', handles.axes12); image(handles.myImage2, 'Parent', handles.axes5); end guidata(hObject, handles); catch msgbox('Error') end % --- Executes on button press in pushbutton2.

Apéndices


function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); f = handles.myImage; axes(handles.axes1) [mask, handles.c, handles.r] = roipoly(f); red = immultiply(mask, f(:,:,1)); green = immultiply(mask, f(:,:,2)); blue = immultiply(mask, f(:,:,3)); handles.myImage = cat(3, red, green, blue); image(handles.myImage, 'Parent', handles.axes1); guidata(hObject, handles); % --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) try [filename,pathname] = uigetfile('*.jpg','Selecciona imagen para abrir'); if isequal(filename,0) %Do nothing yet else handles.myImage2 = imread(fullfile(pathname, filename)); image(handles.myImage2, 'Parent', handles.axes5); end guidata(hObject, handles); catch msgbox('Error') end % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); f = handles.myImage2; axes(handles.axes5) handles.h_im = imshow(f); handles.poly= impoly(gca, [handles.c, handles.r]); guidata(hObject, handles); % --- Executes on button press in pushbutton7. function pushbutton7_Callback(hObject, eventdata, handles) % hObject handle to pushbutton7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles);

%-------Datos Histograma Rojo Tejido A [m n] = size(handles.myImage(:,:,1)); A = zeros(1,255); redPlane = handles.myImage(:,:,1); for i=1:m for j=1:n if redPlane(i,j)>0; k=redPlane(i,j); A(1,k)=A(1,k)+1; end end end s1=0; s2=0; for j=1:255 k=A(1,j); s1=s1+k; s2=s2+(k*j); end handles.PNI1r=s2; handles.Media1r=s2/s1; handles.maxpix1r=max(A); set(handles.text9,'String', handles.PNI1r); set(handles.text58,'String', handles.PNI1r); set(handles.text11,'String', handles.Media1r); set(handles.text12,'String', handles.maxpix1r); %-------------------------------------------------------------- %Datos Histograma Verde Tejido A [m1 n1] = size(handles.myImage(:,:,2)); A1 = zeros(1,255); greenPlane = handles.myImage(:,:,2); for i=1:m1 for j=1:n1 if greenPlane(i,j)>0; k=greenPlane(i,j); A1(1,k)=A1(1,k)+1; end end end s3=0; s4=0; for j=1:255 k=A1(1,j); s3=s3+k; s4=s4+(k*j); end handles.PNI1g=s4; handles.Media1g=s4/s3; handles.maxpix1g=max(A1); set(handles.text13,'String', handles.PNI1g); set(handles.text59,'String', handles.PNI1g); set(handles.text15,'String', handles.Media1g); set(handles.text16,'String', handles.maxpix1g); %Datos Histograma Azul Tejido A [m2 n2] = size(handles.myImage(:,:,3)); A2 = zeros(1,255);

Apéndices


bluePlane = handles.myImage(:,:,3); for i=1:m2 for j=1:n2 if bluePlane(i,j)>0; k=bluePlane(i,j); A2(1,k)=A2(1,k)+1; end end end s5=0; s6=0; for j=1:255 k=A2(1,j); s5=s5+k; s6=s6+(k*j); end handles.PNI1b=s6; handles.Media1b=s6/s5; handles.maxpix1b=max(A2); set(handles.text17,'String', handles.PNI1b); set(handles.text60,'String', handles.PNI1b); set(handles.text19,'String', handles.Media1b); set(handles.text20,'String', handles.maxpix1b); %porcentaje EN TEJIDO A--------------------------------- handles.sum = handles.PNI1r + handles.PNI1g + handles.PNI1b; handles.P1r = ((handles.PNI1r*100)/handles.sum); handles.P1g = ((handles.PNI1g*100)/handles.sum); handles.P1b = ((handles.PNI1b*100)/handles.sum); set(handles.text65,'String', handles.sum); set(handles.text10,'String', handles.P1r); set(handles.text69,'String', handles.P1r); set(handles.text14,'String', handles.P1g); set(handles.text70,'String', handles.P1g); set(handles.text18,'String', handles.P1b); set(handles.text71,'String', handles.P1b); %Datos Histograma Rojo Tejido B [m n] = size(handles.myImage2(:,:,1)); B = zeros(1,255); redPlane = handles.myImage2(:,:,1); for i=1:m for j=1:n if redPlane(i,j)>0; k=redPlane(i,j); B(1,k)=B(1,k)+1; end end end s7=0; s8=0; for j=1:255 k=B(1,j); s7=s7+k; s8=s8+(k*j); end handles.PNI2r=s8; handles.Media2r=s8/s7; handles.maxpix2r=max(B);

set(handles.text21,'String', handles.PNI2r); set(handles.text62,'String', handles.PNI2r); set(handles.text23,'String', handles.Media2r); set(handles.text24,'String', handles.maxpix2r); %-------------------------------------------------------------- %Datos Histograma Verde Tejido A [m1 n1] = size(handles.myImage2(:,:,2)); B1 = zeros(1,255); greenPlane = handles.myImage2(:,:,2); for i=1:m1 for j=1:n1 if greenPlane(i,j)>0; k=greenPlane(i,j); B1(1,k)=B1(1,k)+1; end end end s9=0; s10=0; for j=1:255 k=B1(1,j); s9=s9+k; s10=s10+(k*j); end handles.PNI2g=s10; handles.Media2g=s10/s9; handles.maxpix2g=max(B1); set(handles.text25,'String', handles.PNI2g); set(handles.text63,'String', handles.PNI2g); set(handles.text27,'String', handles.Media2g); set(handles.text28,'String', handles.maxpix2g); %Datos Histograma Azul Tejido A [m2 n2] = size(handles.myImage2(:,:,3)); B2 = zeros(1,255); bluePlane = handles.myImage2(:,:,3); for i=1:m2 for j=1:n2 if bluePlane(i,j)>0; k=bluePlane(i,j); B2(1,k)=B2(1,k)+1; end end end s11=0; s12=0; for j=1:255 k=B2(1,j); s11=s11+k; s12=s12+(k*j); end handles.PNI2b=s12; handles.Media2b=s12/s11; handles.maxpix2b=max(B2); set(handles.text29,'String', handles.PNI2b); set(handles.text64,'String', handles.PNI2b); set(handles.text31,'String', handles.Media2b); set(handles.text32,'String', handles.maxpix2b);

Apéndices


%porcentaje-EN B-------------------------------- handles.sum2 = handles.PNI2r + handles.PNI2g + handles.PNI2b; handles.P2r = ((handles.PNI2r*100)/handles.sum2); handles.P2g = ((handles.PNI2g*100)/handles.sum2); handles.P2b = ((handles.PNI2b*100)/handles.sum2); set(handles.text66,'String', handles.sum2); set(handles.text22,'String', handles.P2r); set(handles.text72,'String', handles.P2r); set(handles.text26,'String', handles.P2g); set(handles.text73,'String', handles.P2g); set(handles.text30,'String', handles.P2b); set(handles.text74,'String', handles.P2b); % MAXIMO DE Y EN GRÀFICA maxA = max(A); maxA1 = max(A1); maxA2 = max(A2); maxB = max(B); maxB1 = max(B1); maxB2 = max(B2); Y = [maxA, maxA1, maxA2, maxB, maxB1, maxB2]; Ymax = max(Y)+50; %GRAFICAS DE LOS HISTOGRAMAS RGB Tejido A %ROJO--------------------------- axes(handles.axes2) bar(A, 'r') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel R' ); xlim([0 255]) ylim([0 Ymax]) gridon %VERDE------------------------------- axes(handles.axes3) bar(A1, 'g') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel G' ); xlim([0 255]) ylim([0 Ymax]) gridon %AZUL----------------------------------- axes(handles.axes4) bar(A2, 'b') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel B' ); xlim([0 255]) ylim([0 Ymax]) gridon %GRAFICAS DE LOS HISTOGRAMAS RGB Tejido B %ROJO--------------------------- axes(handles.axes6) bar(B, 'r') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel R' ); xlim([0 255]) ylim([0 Ymax]) gridon %VERDE------------------------------- axes(handles.axes7) bar(B1, 'g')

xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel G' ); xlim([0 255]) ylim([0 Ymax]) gridon %AZUL----------------------------------- axes(handles.axes8) bar(B2, 'b') xlabel( 'Nivel de Intensidad (0-255)' ); ylabel('Pixel B' ); xlim([0 255]) ylim([0 Ymax]) gridon guidata(hObject, handles); % --- Executes on button press in pushbutton9. function pushbutton9_Callback(hObject, eventdata, handles) % hObject handle to pushbutton9 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); f = handles.myImage2; axes(handles.axes5) mask = createMask(handles.poly, handles.h_im); red = immultiply(mask, f(:,:,1)); green = immultiply(mask, f(:,:,2)); blue = immultiply(mask, f(:,:,3)); handles.myImage2 = cat(3, red, green, blue); image(handles.myImage2, 'Parent', handles.axes5); guidata(hObject, handles); function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double guidata(hObject, handles); handles.exp = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit3_Callback(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB

Apéndices


% handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit3 as text % str2double(get(hObject,'String')) returns contents of edit3 as a double guidata(hObject, handles); handles.nombre = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit3_CreateFcn(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit4_Callback(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit4 as text % str2double(get(hObject,'String')) returns contents of edit4 as a double guidata(hObject, handles); handles.sexo = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit4_CreateFcn(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit5_Callback(hObject, eventdata, handles) % hObject handle to edit5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit5 as text % str2double(get(hObject,'String')) returns contents of edit5 as a double guidata(hObject, handles);

handles.edad = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit5_CreateFcn(hObject, eventdata, handles) % hObject handle to edit5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit6_Callback(hObject, eventdata, handles) % hObject handle to edit6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit6 as text % str2double(get(hObject,'String')) returns contents of edit6 as a double guidata(hObject, handles); handles.lesion = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit6_CreateFcn(hObject, eventdata, handles) % hObject handle to edit6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit7_Callback(hObject, eventdata, handles) % hObject handle to edit7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit7 as text % str2double(get(hObject,'String')) returns contents of edit7 as a double guidata(hObject, handles); handles.diagd = {get(hObject,'String')}; guidata(hObject, handles); % --- Executes during object creation, after setting all properties. function edit7_CreateFcn(hObject, eventdata, handles) % hObject handle to edit7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

Apéndices


% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end % --- Executes on button press in pushbutton11. function pushbutton11_Callback(hObject, eventdata, handles) % hObject handle to pushbutton11 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); % Guardar archivos formatos = {'*.jpg','JPEG (*.jpg)';'*.tif','TIFF (*.tif)';'*.bmp','BMP (*.bmp)'}; [nomb,handles.ruta] = uiputfile(formatos,'Guardar Imágenes del Paciente'); if nomb==0, return, end nomb1=strcat('A-',nomb); nomb2=strcat('HRA-',nomb); nomb3=strcat('HVA-',nomb); nomb4=strcat('HAA-',nomb); nomb5=strcat('B-',nomb); nomb6=strcat('HRB-',nomb); nomb7=strcat('HVB-',nomb); nomb8=strcat('HAB-',nomb); nomb9=strcat('IO-',nomb); fName1 = fullfile(handles.ruta,nomb1); fName5 = fullfile(handles.ruta,nomb5); fName9 = fullfile(handles.ruta,nomb9); %Imagen Tejido A f1 = getimage(handles.axes1); if isempty(f1), return, end imwrite(f1,fName1); % HISTOGRAMA ROJO TEJIDO A f2=figure('visible','off'); f2new=copyobj(handles.axes2, f2); title('Histograma Rojo Tejido A','Fontname','Helvetica','Fontsize',12) set(f2new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f2,[handles.ruta nomb2]) close(f2) % HISTOGRAMA VERDE TEJIDO A f3=figure('visible','off'); f3new=copyobj(handles.axes3, f3); title('Histograma Verde Tejido A','Fontname','Helvetica','Fontsize',12) set(f3new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f3,[handles.ruta nomb3]) close(f3) % HISTOGRAMA AZUL TEJIDO A f4=figure('visible','off'); f4new=copyobj(handles.axes4, f4); title('Histograma Azul Tejido A','Fontname','Helvetica','Fontsize',12) set(f4new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f4,[handles.ruta nomb4]) close(f4)

%Imagen Tejido B f5 = getimage(handles.axes5); if isempty(f5), return, end imwrite(f5,fName5); % HISTOGRAMA ROJO TEJIDO B f6=figure('visible','off'); f6new=copyobj(handles.axes6, f6); title('Histograma Rojo Tejido B','Fontname','Helvetica','Fontsize',12) set(f6new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f6,[handles.ruta nomb6]) close(f6) % HISTOGRAMA VERDE TEJIDO B f7=figure('visible','off'); f7new=copyobj(handles.axes7, f7); title('Histograma Verde Tejido B','Fontname','Helvetica','Fontsize',12) set(f7new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f7,[handles.ruta nomb7]) close(f7) % HISTOGRAMA AZUL TEJIDO B f8=figure('visible','off'); f8new=copyobj(handles.axes8, f8); title('Histograma Azul Tejido B','Fontname','Helvetica','Fontsize',12) set(f8new, 'units','normalized','position',[0.13 0.11 0.775 0.815]); saveas(f8,[handles.ruta nomb8]) close(f8) %Imagen Original f9 = getimage(handles.axes12); if isempty(f9), return, end imwrite(f9,fName9); archivo=strcat(handles.ruta,'\DatosImg.xlsx'); %DATOS DE PACIENTES titulo={'Análisis de Imágenes con luz blanca y luz ultravioleta de 365nm'}; xlswrite(archivo, titulo,'Hoja1', 'B2'); exp={'No. de expediente'}; xlswrite(archivo, exp,'Hoja1', 'B4'); xlswrite(archivo, handles.exp,'Hoja1', 'D4'); nombre={'Nombre'}; xlswrite(archivo, nombre,'Hoja1', 'B5'); xlswrite(archivo, handles.nombre,'Hoja1', 'D5'); sexo={'Sexo'}; xlswrite(archivo, sexo,'Hoja1', 'B6'); xlswrite(archivo, handles.sexo,'Hoja1', 'D6'); edad={'Edad'}; xlswrite(archivo, edad,'Hoja1', 'B7'); xlswrite(archivo, handles.edad,'Hoja1', 'D7'); lesion={'Lugar de Lesión'}; xlswrite(archivo, lesion,'Hoja1', 'B8'); xlswrite(archivo, handles.lesion,'Hoja1', 'D8'); diagd={'Diagnóstico Definitivo'}; xlswrite(archivo, diagd,'Hoja1', 'B9'); xlswrite(archivo, handles.diagd,'Hoja1', 'D9'); tejidoA={'TEJIDO A'}; xlswrite(archivo, tejidoA,'Hoja1', 'B13');

Apéndices


%Datos Histograma Rojo Tejido A hra={'HISTOGRAMA ROJO'}; xlswrite(archivo, hra,'Hoja1', 'B15'); PNI1r={'PNI R'}; xlswrite(archivo,PNI1r,'Hoja1', 'C16'); xlswrite(archivo,handles.PNI1r,'Hoja1', 'B16'); xlswrite(archivo,PNI1r,'Hoja1', 'C37'); xlswrite(archivo,handles.PNI1r,'Hoja1', 'B37'); P1r={'Porcentaje R'}; xlswrite(archivo, P1r,'Hoja1', 'C17'); xlswrite(archivo, handles.P1r,'Hoja1', 'B17'); xlswrite(archivo, P1r,'Hoja1', 'C42'); xlswrite(archivo, handles.P1r,'Hoja1', 'B42'); Media1r={'Media'}; xlswrite(archivo, Media1r,'Hoja1', 'C18'); xlswrite(archivo, handles.Media1r,'Hoja1', 'B18'); maxpix1r={'Pixel Máximo'}; xlswrite(archivo, maxpix1r,'Hoja1', 'C19'); xlswrite(archivo, handles.maxpix1r,'Hoja1', 'B19'); %Datos Histograma Verde Tejido A hva={'HISTOGRAMA VERDE'}; xlswrite(archivo, hva,'Hoja1', 'B21'); PNI1g={'PNI G'}; xlswrite(archivo, PNI1g,'Hoja1', 'C22'); xlswrite(archivo, handles.PNI1g,'Hoja1', 'B22'); xlswrite(archivo, PNI1g,'Hoja1', 'C38'); xlswrite(archivo, handles.PNI1g,'Hoja1', 'B38'); P1g={'Porcentaje G'}; xlswrite(archivo, P1g,'Hoja1', 'C23'); xlswrite(archivo, handles.P1g,'Hoja1', 'B23'); xlswrite(archivo, P1g,'Hoja1', 'C43'); xlswrite(archivo, handles.P1g,'Hoja1', 'B43'); Media1g={'Media'}; xlswrite(archivo, Media1g,'Hoja1', 'C24'); xlswrite(archivo, handles.Media1g,'Hoja1', 'B24'); maxpix1g={'Pixel Máximo'}; xlswrite(archivo, maxpix1g,'Hoja1', 'C25'); xlswrite(archivo, handles.maxpix1g,'Hoja1', 'B25'); %Datos Histograma Azul Tejido A haa={'HISTOGRAMA AZUL'}; xlswrite(archivo, haa,'Hoja1', 'B27'); PNI1b={'PNI B'}; xlswrite(archivo, PNI1b,'Hoja1', 'C28'); xlswrite(archivo, handles.PNI1b,'Hoja1', 'B28'); xlswrite(archivo, PNI1b,'Hoja1', 'C39'); xlswrite(archivo, handles.PNI1b,'Hoja1', 'B39'); P1b={'Porcentaje B'}; xlswrite(archivo, P1b,'Hoja1', 'C29'); xlswrite(archivo, handles.P1b,'Hoja1', 'B29'); xlswrite(archivo, P1b,'Hoja1', 'C44'); xlswrite(archivo, handles.P1b,'Hoja1', 'B44'); Media1b={'Media'}; xlswrite(archivo, Media1b,'Hoja1', 'C30'); xlswrite(archivo, handles.Media1b,'Hoja1', 'B30'); maxpix1b={'Pixel Máximo'}; xlswrite(archivo, maxpix1b,'Hoja1', 'C31'); xlswrite(archivo, handles.maxpix1b,'Hoja1', 'B31'); %SUMA PNI Histogramas Tejido A suma={'SUMA PNI RGB Tejido A'}; xlswrite(archivo, suma,'Hoja1', 'B34');

sum={'Suma'}; xlswrite(archivo, sum,'Hoja1', 'C35'); xlswrite(archivo, handles.sum,'Hoja1', 'B35'); %Tejido B tejidoB={'TEJIDO B'}; xlswrite(archivo, tejidoB,'Hoja1', 'E13'); %Datos Histograma Rojo Tejido B hrb={'HISTOGRAMA ROJO'}; xlswrite(archivo, hrb,'Hoja1', 'E15'); PNI2r={'PNI R'}; xlswrite(archivo,PNI2r,'Hoja1', 'F16'); xlswrite(archivo,handles.PNI2r,'Hoja1', 'E16'); xlswrite(archivo,PNI2r,'Hoja1', 'F37'); xlswrite(archivo,handles.PNI2r,'Hoja1', 'E37'); P2r={'Porcentaje R'}; xlswrite(archivo, P2r,'Hoja1', 'F17'); xlswrite(archivo, handles.P2r,'Hoja1', 'E17'); xlswrite(archivo, P2r,'Hoja1', 'F42'); xlswrite(archivo, handles.P2r,'Hoja1', 'E42'); Media2r={'Media'}; xlswrite(archivo,Media2r,'Hoja1', 'F18'); xlswrite(archivo,handles.Media2r,'Hoja1', 'E18'); maxpix2r={'Pixel Máximo'}; xlswrite(archivo, maxpix2r,'Hoja1', 'F19'); xlswrite(archivo, handles.maxpix2r,'Hoja1', 'E19'); %Datos Histograma Verde Tejido B hvb={'HISTOGRAMA VERDE'}; xlswrite(archivo, hvb,'Hoja1', 'E21'); PNI2g={'PNI G'}; xlswrite(archivo, PNI2g,'Hoja1', 'F22'); xlswrite(archivo, handles.PNI2g,'Hoja1', 'E22'); xlswrite(archivo, PNI2g,'Hoja1', 'F38'); xlswrite(archivo, handles.PNI2g,'Hoja1', 'E38'); P2g={'Porcentaje G'}; xlswrite(archivo, P2g,'Hoja1', 'F23'); xlswrite(archivo, handles.P2g,'Hoja1', 'E23'); xlswrite(archivo, P2g,'Hoja1', 'F43'); xlswrite(archivo, handles.P2g,'Hoja1', 'E43'); Media2g={'Media'}; xlswrite(archivo, Media2g,'Hoja1', 'F24'); xlswrite(archivo, handles.Media2g,'Hoja1', 'E24'); maxpix2g={'Pixel Máximo'}; xlswrite(archivo, maxpix2g,'Hoja1', 'F25'); xlswrite(archivo, handles.maxpix2g,'Hoja1', 'E25'); %Datos Histograma Azul Tejido B hab={'HISTOGRAMA AZUL'}; xlswrite(archivo, hab,'Hoja1', 'E27'); PNI2b={'PNI B'}; xlswrite(archivo, PNI2b,'Hoja1', 'F28'); xlswrite(archivo, handles.PNI2b,'Hoja1', 'E28'); xlswrite(archivo, PNI2b,'Hoja1', 'F39'); xlswrite(archivo, handles.PNI2b,'Hoja1', 'E39'); P2b={'Porcentaje B'}; xlswrite(archivo, P2b,'Hoja1', 'F29'); xlswrite(archivo, handles.P2b,'Hoja1', 'E29'); xlswrite(archivo, P2b,'Hoja1', 'F44'); xlswrite(archivo, handles.P2b,'Hoja1', 'E44'); Media2b={'Media'}; xlswrite(archivo, Media2b,'Hoja1', 'F30'); xlswrite(archivo, handles.Media2b,'Hoja1', 'E30');

Apéndices


maxpix2b={'Pixel Máximo'}; xlswrite(archivo, maxpix2b,'Hoja1', 'F31'); xlswrite(archivo, handles.maxpix2b,'Hoja1', 'E31'); %SUMA PNI Histogramas Tejido B sumb={'SUMA PNI RGB Tejido B'}; xlswrite(archivo, sumb,'Hoja1', 'E34'); sum2={'Suma'}; xlswrite(archivo, sum2,'Hoja1', 'F35'); xlswrite(archivo, handles.sum2,'Hoja1', 'E35'); guidata(hObject, handles); % --- Executes on button press in pushbutton12. function pushbutton12_Callback(hObject, eventdata, handles) % hObject handle to pushbutton12 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); %resetea los axes cla(handles.axes1, 'reset'); cla(handles.axes2, 'reset'); cla(handles.axes3, 'reset'); cla(handles.axes4, 'reset'); cla(handles.axes5, 'reset'); cla(handles.axes6, 'reset'); cla(handles.axes7, 'reset'); cla(handles.axes8, 'reset'); cla(handles.axes12, 'reset'); %resetea los text set(handles.text9,'String',''); set(handles.text10,'String',''); set(handles.text11,'String',''); set(handles.text12,'String',''); set(handles.text13,'String',''); set(handles.text14,'String',''); set(handles.text15,'String',''); set(handles.text16,'String',''); set(handles.text17,'String',''); set(handles.text18,'String',''); set(handles.text19,'String',''); set(handles.text20,'String',''); set(handles.text21,'String',''); set(handles.text22,'String',''); set(handles.text23,'String',''); set(handles.text24,'String',''); set(handles.text25,'String',''); set(handles.text26,'String',''); set(handles.text27,'String',''); set(handles.text28,'String',''); set(handles.text29,'String',''); set(handles.text30,'String',''); set(handles.text31,'String',''); set(handles.text32,'String',''); set(handles.text58,'String',''); set(handles.text59,'String',''); set(handles.text60,'String',''); set(handles.text62,'String',''); set(handles.text63,'String',''); set(handles.text64,'String',''); set(handles.text65,'String',''); set(handles.text66,'String',''); set(handles.text69,'String',''); set(handles.text70,'String',''); set(handles.text71,'String',''); set(handles.text72,'String',''); set(handles.text73,'String','');

set(handles.text74,'String',''); %resetea los edit set(handles.edit1,'String',''); set(handles.edit3,'String',''); set(handles.edit4,'String',''); set(handles.edit5,'String',''); set(handles.edit6,'String',''); set(handles.edit7,'String',''); guidata(hObject, handles); % --- Executes on button press in pushbutton13. function pushbutton13_Callback(hObject, eventdata, handles) % hObject handle to pushbutton13 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); handles.myImage=imcrop; %selecciona con el mouse la region a recortar image(handles.myImage, 'Parent', handles.axes1); guidata(hObject, handles); % --- Executes on button press in pushbutton14. function pushbutton14_Callback(hObject, eventdata, handles) % hObject handle to pushbutton14 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) guidata(hObject, handles); handles.myImage2=imcrop; %selecciona con el mouse la region a recortar image(handles.myImage2, 'Parent', handles.axes5); guidata(hObject, handles); % --- Executes on button press in pushbutton15. function pushbutton15_Callback(hObject, eventdata, handles) % hObject handle to pushbutton15 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) try [filename,pathname] = uigetfile('*.jpg','Selecciona imagen para abrir'); if isequal(filename,0) %Do nothing yet else handles.myImage3 = imread(fullfile(pathname, filename)); image(handles.myImage3, 'Parent', handles.axes12); end guidata(hObject, handles); catch msgbox('Error') end

Documents

Tesis Completa Abraham - correciones final