SISTEMA INTELIGENTE PARA DIAGNOSTICO DE CARIES DENTAL
BASADO EN LA NORMA ICDAS
Resumen— la telemedicina es un campo que
permite la prestación de servicios médicos a
distancia. En un principio se utilizaban elementos
como llamadas telefónicas y hoy en día desde
video llamadas hasta el uso del internet. En este
documento se presenta los resultados de un
proyecto de investigación que consistió en el
desarrollo de un sistema inteligente en matlab,
con el fin de realizar un análisis de imágenes de
radiografías en formato jpg dentales y detectar de
forma inteligente caries con el fin de clasificarlas
según la norma ICDAS.
Palabras Clave — telemedicina, caries dental,
norma ICDAS, Matlab, sistema inteligente.
I. INTRODUCCIÓN
Para acercar a las personas con menos recursos a
la prestación de servicios de salud y más
específicamente servicios de odontología se utiliza
la telemedicina o eSalud, la cual permite a través
de una video llamada o videoconferencia en
tiempo real hacer un diagnóstico de un
especialista en salud oral. De igual forma a través
de correos es posible realizar el seguimiento a
determinado número de patologías.
ICDAS (International Caries Detection and
AssessmentSystem) es un sistema internacional de
49
Diana Lancheros-Cuesta
diana.lancheros@campusucc.edu.co
Luis Eduardo Trujillo
luis.trujillovi@gmail.com
Julian David Osorio
osoriojulian08@gmail.com
Grupo Automatización industrial
Universidad Cooperativa de Colombia- Bogotá, Colombia
detección y diagnóstico de caries, el cual clasifica
la complejidad de caries dental en siete tipos
según aspectos visibles del diente [1]. Además,
ICDAS también utiliza un color para la
representación del nivel de caries [2].
Existe otra clasificación para las lesiones de caries
es laICCMS con protocolo de la ICDAS permite una
clasificación unificando ambas normas [3]. Esta
clasificación de igualmodo puede hacerse con
registro radiográfico el cual brinda una mejor
exploración en la profundidad de las caries y
examinar lugares que con un examen visual no
puede realizarse [3].
El presente artículo muestra el desarrollo de un
sistema inteligente que tiene como fin realizar un
análisis automático de la imagen, utilizando
técnicas de visión artificial, y determinar de forma
automática el nivel de caries teniendo en cuenta
norma ICDAS.
II. TRABAJOS RELACIONADOS
En términos generales se encuentran
instrumentos que toman la imagen radiográfica y
se guarda directamente en la computadora como
una imagen digital, un trabajo llamado A
benchmark for comparison of dental radiography
analysis algorithms [4], ha comparado siete
métodos automáticos para analizar la imagen de
rayos X cefalométrica y dos métodos automáticos
para detectar caries de radiografía de mordida,
siendo los dos últimos los que interesan en este
caso. Los resultados se sacan directamente del
trabajo ya mencionado y son los siguientes:
Con el primer método se analizan los siguientes
componentes (a) Una imagen en bruto (b) siete
estructuras dentales destacadas, incluyendo (1)
caries de color azul, (2) esmalte de color verde, (3)
dentina de color amarillo, (4) pulpa de color rojo,
(5) corona con color de piel, (6) restauración con
color naranja y (7) tratamiento de conducto con
color cian. Las imágenes se capturan utilizando el
sistema SOREDEX (SOREDEX, Finlandia), diseñado
con un sistema opcional de identificación de
placas de imagen (IDOT) para el control de calidad,
y 'C3' en la imagen indica el lado activo / frontal en
el sistema IDOT.
Con el segundo método Ronneberger et al. [5]
presentan un enfoque de aprendizaje de máquina
puro utilizando una red neuronal convolucional
profunda en forma de U ("u-net") para la
segmentación totalmente automatizada de
imágenes de rayos X dentales. La arquitectura de
la u-net consiste en una trayectoria de
contratación para capturar el contexto y una ruta
de expansión simétrica que permite una
localización precisa. Esta red puede ser entrenada
de extremo a extremo a partir de muy pocas
imágenes.
III. METODOLOGÍA
Para la realización de este trabajo y realizar
cumplimiento a los objetivos del mismo se
cumplen diferentes etapas:
50
Etapa 1: búsqueda de información relacionada: en
esta etapa se analizó la documentación detallada
acerca del análisis carioso y problemas dentales
Etapa 2: estructuración del entorno gráfico: en
esta parte se hace el diseño de la interfaz gráfica
en Matlab pensando en aspectos de usabilidad,
para que fuera amigable y de fácil manejo por el
especialista.
Etapa 3: Implementación de algoritmos con
técnicas de visión artificial para el análisis de la
imagen radiológica: en esta etapa se aplicaron
diferentes tipos de filtros, con el fin de identificar
caries en una pieza dental y así clasificarla
teniendo en cuenta el tamaño, formato y color de
la imagen.
Etapa 4: tratamiento de imagen y generación de
algoritmos: los algoritmos desarrollados incluyen
análisis de la imagen para luego digitalizarla, los
filtros se utilizan en el caso para acentuar las
diferencias entre el diente sano y una caries. Se
hace necesario la aplicación de varias funciones de
Matlabpara hacer un análisis detallado de la
imagen radiológica, se implementa una función de
recorte de imagen lo que permite seleccionar una
parte de la imagen a analizar, pues se pueden
presentar situaciones en las que la radiografía
corresponda a varios dientes y se desea hacer la
selección de solamente uno de ellos.
Al finalizar el análisis de imagen el código debe
entregar una imagen en la que se aprecia el diente
en negro y la parte cariosa en color blanco, allí
debe hacer el análisis del tipo de caries y luego
hacer la clasificación en la norma ICDAS.
Etapa 5: Desarrollo de una interfaz gráfica para
modificar datos de norma ICDAS: se diseña unos
formularios para modificar valores ya establecidos
que se tienen en cuenta en la clasificación según
norma ICDAS. Se implementa un código de
seguridad para evitar que accidentalmente se
hagan cambios en el programa.
Etapa 6: Validación y pruebas de funcionamiento:
se comparan los resultados obtenidos en el
programa con los documentos de la norma ICDAS,
verificando así la clasificación de forma correcta.
Se realizan varias pruebas de funcionamiento
utilizando distintas imágenes de pacientes.
La figura 1 muestra el diagrama de flujo de la
metodología implementada.
Figura 1. Metodología para el desarrollo del sistema
inteligente.
IV. DESARROLLO DEL SISTEMA INTELIGENTE
A continuación, se muestran los principales
pseudocódigos aplicados en el desarrollo del
sistema.
Algoritmo: Cargar archivo
1. Se llama la función carg_archivo y se menciona
la variable global en el cual contiene la imagen.
2. Se muestra la imagen original en axis 1.
3. Se activa la función imcrop para recortar la
imagen original en el axis 1, en este proceso se
debe escoger el tamaño del recorte y dar doble
click en lo seleccionado, terminando el doble click
51
se muestra la imagen en el axis 2 almacenando la
imagen recortada en una variable global.
Algoritmo: Procesamiento de la imagen
1. Se manipula la variable con la imagen cortada
convirtiéndola en hsv.
2. Teniendo la imagen hsv se separa el
componente v.
3. Se crea un umbral del componente v de la
imagen recortada.
4. Se pasa la imagen a binario con el componente
v y el umbral.
5. Se muestra la imagen en forma binaria en el axis
3.
6. Se realiza la conexión de objetos en 2D con la
imagen convertida en binaria.
7. La imagen binaria en 2d se toman las regiones
de los objetos que componen la imagen.
8. Se toma el área mayor de los objetos dentro de
la imagen y se eliminan las demás áreas.
9. La imagen se muestra del área máxima en el
axis 3.
10. Se niega la imagen de área máxima.
11. Se realizan conexión de objetos 2D y se llama
la función de las regiones de objetos para la
imagen negada.
12. Se muestra en el axis 3 y se habilita la función
ginput donde permite obtener la coordenada con
un click sobre el aplicativo y saber el objeto a
evaluar por el usuario.
13. Se genera un bucle para sacar los centroides
de los objetos de la imagen negada.
14. Se generan dos bucles donde realizan resta de
la coordenada de la función ginput para el eje “x”
y el “y”, esto se almacena en vectores.
15. Se genera un bucle donde suma las diferencias
de lascoordenadas “x” y “y”.
16. Se busca el valor mínimo del ultimo bucle con
la posición exacta del centroide del objeto en la
imagen.
17. Se genera un bucle que recorre toda la imagen
yrealizan comparaciones, si las coordenadas que
se encontró por el valor mínimo es diferente a los
demás objetos, este lo eliminara.
18. Se muestra la imagen final en el axis 4.
19. Se imprime en pantalla el valor del área de la
imagen final.
20. Se carga la variable que se encuentra
almacenada los parámetros de medida
21. Se realiza la comparación entre el área con la
variable de parámetros para poder clasificar el
objeto en la imagen.
Algoritmo: de parametrización
1. Se llama la función carg_archivo y se menciona
la variable global en el cual contiene la imagen.
2. Se muestra la imagen original en axis 1.
3. Se activa la función imcrop para recortar la
imagen original en el axis 1, en este proceso se
debe escoger el tamaño del recorte y dar doble
click en lo seleccionado, terminando el doble click
se muestra la imagen en el axis 1 almacenando la
imagen recortada en una variable global.
4. Se manipula la variable con la imagen cortada
convirtiéndola en hsv.
5. Teniendo la imagen hsv se separa el
componente v.
6. Se crea un umbral del componente v de la
imagen recortada.
7. Se pasa la imagen a binario con el componente
v y el umbral.
8. Se muestra la imagen en forma binaria en el axis
1.
9. Se realiza la conexión de objetos en 2D con la
imagen convertida en binaria.
10. La imagen binaria en 2d se toman las regiones
de los objetos que componen la imagen.
11. Se toma el área mayor de los objetos dentro
de la imagen y se eliminan las demás áreas.
12. Se muestra la imagen del área máxima en el
axis 1.
13. Se niega la imagen de área máxima.
14. Se realizan conexión de objetos 2D y se llama
la función de las regiones de objetos para la
imagen negada.
52
15. Se muestra en el axis 1 y se habilita la función
ginput donde permite obtener la coordenada de
un click sobre el aplicativo y saber el objeto a
evaluar por el usuario.
16. Se genera un bucle para sacar los centroides
de los objetos de la imagen negada.
17. Se generan dos bucles donde resalizan resta de
la coordenada de la función ginput como para el
eje “x” y el “y”, esto se almacena en vectores.
18. Se genera un bucle donde suma las diferencias
de las coordenadas “x” y “y”.
19. Se busca el valor mínimo del ultimo bucle con
la posición exacta del centroide del objeto en la
imagen.
20. Se genera un bucle donde recorre toda la
imagen yrealizan comparaciones, si las
coordenadas que se encontrópor el valor minimo
es diferente a los demás objetos, este lo eliminara.
21. Se muestra la imagen final en el axis 2.
22. Se imprime en pantalla el valor del área de la
imagenfinal.
V. VALIDACIÓN
La Figura 2 muestra la primera interfaz del sistema
inteligente.
Figura 2. Pantalla principal
En la pantalla principal se encuentran cuatro
botones para realizar el análisis, CARGAR
ARCHIVO, PROCESAR, SELECCIONAR IMAGEN
ORIGINAL y ACTUALIZACIÓN DE NORMAS. Para
comenzar con el análisis primero se oprime el
botón CARGAR ARCHIVO. Figura 3.
 Figura 3. Selección de archivo a cargar
Cuando se oprime el primer botón este lo llevará a
una subventana en la cual se podrá seleccionar un
archivo de imagen en formato .jpg (Figura 4).
Figura 4. Archivo imagen seleccionado en pantalla
Con la imagen ya en pantalla se debe seleccionar
el diente o zona en la cual se desea aplicar el
procesamiento. El programa ya tiene
prestablecido el puntero o selector paraelegir la
zona de análisis (Figura 5).
Figura 5. Selección de zona a analizar
Una vez se ha seleccionado la zona a realizar el
procedimiento la imagen recortada aparecerá a la
derecha de la imagen original (Figura 6).
53
Figura 6. Imagen recortada
Con la imagen lista se procede a realizar el
procesamiento de imagen, para ello se pulsa el
botón PROCESAR (Figura 7)
Figura 7. Procesamiento de imagen y selección de zona
Cuando se selecciona PROCESAR, la imagen
modificada aparece en la parte inferior izquierda
debajo de la imagen original, inmediatamente
aparece un puntero con el cual sedebe escoger la
zona exacta en el que se desea saber si existe
caries o de que tipo es (Figura 8).
Figura 8. Resultado final del análisis
En la parte inferior derecha aparecerá en un
recuadro el total de área encontrada con caries y
el tipo de clasificación según la norma ICDAS,
además a la derecha de la imagen modificada
aparecerá la imagen con la zona seccionada a la
que se le realizó el análisis. Si se desea hacer el
análisis de otra zona de la imagen original se
oprime el botón SELECCIONAR IMAGEN ORIGINAL,
y permitirá queaparezca nuevamente el selector
de imagen y allí escoger otrazona para análisis
(Figura 9). Figura 11. Variables para actualizar datos.

La imagen recortada se podrá dónde estaba la

imagen original y a la derecha automáticamente
aparecerá la imagen procesada y dando la opción
para seleccionar la zona para análisis donde se
encuentra la caries (Figura 12).

Figura 9. Selección de otra zona para análisis

Con el botón ACTUALIZACIÓN DE NORMAS es

posible hacer modificaciones en el tamaño de la
caries en área si la norma ICDAS es modificada o si
por decisión del profesional dental. Cuando se
pulsa el botón aparecerá una pantalla en la que se
Figura 12. Imagen recortada y con procesamiento realizado
pueden hacer las modificaciones, la pantalla
cuenta con cuatro botones y un pop-up menú, dos En la imagen modificada seleccionamos la caries y
pantallas en la que se muestran las imágenes, y en a la derecha de la imagen se encuentra un
la parte inferior los valores la clasificación de la recuadro con área calculada de la caries y se
norma ICDAS con su respectiva área según el sobrepone sobre la imagen modificada la imagen
programa (Figura 10 y 11). del procesamiento que se le ha realizado a la
imagen (Figura 13).

Figura 10. Actualización de datos de la norma

Figura 13. Análisis final y resultado en área

54
 VI. CONCLUSIONES [5] Olaf Ronneberger, Philipp Fischer, Tim F.
Cootes, Claudia Lindner. (2016). A benchmark for
En el campo de la telemedicina las herramientas comparison of dental radiography analysis
tecnológicas brindan más posibilidades en los algorithms
diagnósticos incluso ayudando a personas que no
son especialistas en un área. Para el desarrollo del
presente proyecto fue necesario adquirir
conocimientos acerca de normas y procedimientos
de tratamientos dentales con el fin de desarrollar
el programa requerido.

El sistema inteligente implementado valida de

forma automática a partir del análisis de fotos, el
nivel de la caries de cada unidad dental, con el fin
de emplear planes de promoción y prevención y
así mejorar la salud bucal de las personas.

Este programa no tiene límites de cantidad de

usos únicamente requiere tener las imágenes
radiológicas en formato .jpg y el programa
realizará el análisis, este es intuitivo y de fácil
manejo y aprendizaje para alguien que no maneje
este tipo de programas.

BIBLIOGRAFÍA

[1] Gloria Xaus, Natalia Leighton, Javier Martín.

(2010). Validez y Reproducibilidad del Uso del
Sistema ICDAS en la Detección IN VITRO de
Lesiones de Caries Oclusal en Molares y
Premolares Permanentes.
[2] ICDAS Fundation. Detection & assessment
system classifying stages of the caries process.
ICDAS.org
[3] Nigel B. Pitts, Amid I. Ismail, Stefania
Martignon, KimEkstrand, Gail V. A. Douglas,
Christopher Longbottom. (2014). Guía ICCMS Para
Clínicos Y Educadores.
[4] Ching-Wei Wang, Cheng-Ta Huang, Jia-Hong
Lee, Chung-Hsing Li, Sheng-Wei Chang, Ming-Jhih
Siao, Tat-Ming Lai, Bulat Ibragimov, Tomaž
Vrtovec,

55