Está en la página 1de 9

Proyecto de Tesis

Modelo de Sistema de Apoyo en el Diagnstico de Cncer Pulmonar usando Tcnicas de Procesamiento de Imgenes e Inteligencia Artificial

Resumen Hoy en da el nmero de muertes a nivel mundial asciende a decenas de millones por ao, segn la GBD(Global Burden of desease) publicada en el 2008; en el 2004 se produjeron 59 millones de muertes a nivel mundial, de las cuales 35 millones fueron causadas por enfermedades no transmitibles. El nmero de pacientes con cncer ha aumentado considerablemente y el ms comn es el cncer pulmonar, con 1.4 millones de defunciones. Por ende es necesario controlar y frenar este avance vertiginoso con el tratamiento preventivo, para diagnosticar el cncer adems de los sntomas comunes de cncer; se necesitan TAC que ayudan en sobremanera en diagnstico. Por esta razn, se pretende usar Tcnicas de Procesamiento de Imgenes e Inteligencia Artificial, especficamente BPL para extraer caractersticas de TAC y sntomas comunes en una persona con dicha enfermedad; las cules sern entradas en una red neuronal y algoritmos genticos para mejorar los pesos de la red, mejorar el diagnstico. Planteamiento del problema En los ltimos aos el nmero de pacientes con cncer ha aumentado considerablemente siendo ms comn el cncer pulmonar. Por tanto surge la necesidad de realizar diagnstico preventivo, considerar los sntomas y una tomografa para determinar presencia de carcinomas en el pulmn. Sin embargo el paciente debe esperar tiempo determinado para recibir un resultado con cierto grado de precisin, por lo expuesto anteriormente se plantea este trabajo. Con el fin de apoyar en el diagnstico de cncer pulmonar al especialista. El problema del reconocimiento de carcinomas en una tomografa y la presencia de determinados sntomas en un paciente define: Dada la presencia de determinados sntomas y carcinomas en la TAC del paciente, se puede diagnosticar cncer de pulmn De esta forma surge nuestra hiptesis: El sistema de apoyo diagnostica la presencia de cncer de pulmn en el paciente. El presente proyecto solo realiza el reconocimiento de carcinomas en una tomografa axial computarizada (digital). Los sntomas sern tratados como ausencia o presencia de los mismos, manejados de forma binaria.
Josimar Chire Saire Cui: 20063791

Proyecto de Tesis

El sistema diagnosticar la presencia de cncer en los diversos estadios que pueda existir en un paciente. Justificacin Cientfica Desde los inicios de la Inteligencia Artificial en el 56 y de la visin artificial en los 70, se comenz con la aplicacin en campos de la medicina. Hoy en da existen diversos trabajos realizados en varias ramas de especializacin de la medicina (dermatologa, fisiologa, oncologa, etc.) y en otras tantas reas (economa, sociologa, educacin, etc.) En el procesamiento de imgenes se utiliza BPL (Binary Partition Local) porque explora pixel a pixel una imagen (TAC) y el vector caracterstico es significativo. Para procesar las caractersticas de las imgenes se utiliza la red neuronal Backpropagation porque es reconocida principalmente por su capacidad de aprendizaje y su uso en tareas de clasificacin. Se utiliza algoritmos genticos pertenecientes a Computacin Evolutiva, para mejorar los pesos de la red neuronal con el fin de mejorar su desempeo y aminorar tiempos de procesamiento. Adems se consideran los sntomas (cansancio, prdida de peso, etc.) para mejorar el diagnstico en el paciente. Teniendo como patrones los especificados por el especialista previamente. Justificacin y Uso de Resultados Hoy en da el cncer puede ser tratado si es detectado a tiempo, pese a ello cerca de 1.3 millones mueren anualmente por cncer pulmonar; causando prdidas irreparables en las familias afectadas y otros impactos a nivel social, econmico de un pas. Por esta razn, se plantea este proyecto con fines acadmicos y sociales. Un onclogo quin es el especialista en cncer para poder realizar un diagnstico con cierta precisin, necesita una Tomografa Axial Computarizada; el tiempo vara si es una entidad pblica o privada an as puede demorar varias das. Considerando que la tarea de examinar una TAC con lleva tiempo, esfuerzo y principalmente experiencia, es mejor delegar esta tarea a un computador; que procesa mucho ms rpido y no sufre desgaste. ste podra ayudar en sobremanera al especialista por ende disminuir su carga de trabajo y dedicar su tiempo a otras actividades productivas. Adems de ser un medio de aprendizaje para un principiante en esta rea. An esto podra ser mejorado si fuese un servicio on-line, pues el radilogo (encargado de TAC); podra simplemente subir la imagen de dicho paciente; y todo el proceso de reconocimiento sera hecho en lnea, y el onclogo vera los resultados on-line, certificara los resultados o hara las observaciones de ser el caso; aminorando tiempos, costos y esfuerzo.

Josimar Chire Saire

Cui: 20063791

Proyecto de Tesis

Objetivos de la investigacin Generales Proponer un modelo de Sistema Hibrido para el apoyo en el diagnstico de cncer pulmonar a partir de tomografas (imgenes digitales) y sntomas. Especficos - Lograr que el sistema pueda reconocer carcinomas en tomografas y en base a sntomas mejorar el diagnstico del paciente. - Demostrar que al considerar un mayor nmero de caractersticas relevantes en un paciente, mejora significativamente el diagnstico de un paciente. - Informar sobre el cncer pulmonar y dar conocer que puede ser tratado previo diagnstico; con la finalidad de prevenirlo. Hiptesis El modelo de sistema apoya en el diagnstico de cncer pulmonar. Plan de anlisis de resultados Las pruebas se realizarn con un conjunto de imgenes y con diversas variaciones en los sntomas, de sta forma podremos saber cules son los ms importantes y necesarios para asegurar un diagnstico confiable.

Metodologa

Tipo y diseo general del estudio

Descriptiva, experimental y exploratoria. Por ser un tema de aplicacin en ciencias las tcnicas usadas son cuantitativas, realizaremos experimentos con el fin de corroborar nuestra hiptesis.

Josimar Chire Saire

Cui: 20063791

Proyecto de Tesis

Definicin operacional de variables

Las entradas para el sistema son imgenes (vector caractersticas) y sntomas, los cules estarn en formato binario para facilitar su manejo. Las salida ser en binario, indicando presencia (1) o ausencia (0).

Universo de estudio, seleccin y tamao de muestra, unidad de anlisis y observacin

El universo de estudio en el proyecto ser un conjunto de imgenes tomado de Instituto Nacional de Cncer de USA, los cuales han sido convertidos a formato JPEG para facilitar su manejo. El tamao de la muestra ser de unas 30 a 40 imgenes. Los resultados se mostrarn en porcentajes estableciendo 3 niveles de diagnstico (ausencia, predisposicin, presencia).

Intervencin propuesta Entrevistas con personas expertas en el tema.

Metodologa de desarrollo Proceso unificado(UP) para el anlisis, diseo y scrum para la codificacin.

Proceso unificado es un marco de desarrollo de software dirigido por casos de uso, centrado en la arquitectura y por ser iterativo e incremental. Es un marco de trabajo extensible que puede ser adaptado a proyectos especficos.

Una adaptacin de UP es RUP ( Rational Unified Process ), proceso de desarrollo de software y junto con el Lenguaje Unificado de Modelado UML, constituye la metodologa estndar ms utilizada

Josimar Chire Saire

Cui: 20063791

Proyecto de Tesis

para el anlisis, implementacin y documentacin de sistemas orientados a objetos.


El RUP no es un sistema con pasos firmemente establecidos, sino un conjunto de metodologas adaptables al contexto y necesidades de cada organizacin.

El RUP est basado en 6 principios clave que son los siguientes:

Adaptar el proceso: El proceso deber adaptarse a las necesidades del cliente ya que es muy importante interactuar con l. Las caractersticas propias del proyecto u organizacin. El tamao del mismo, as como su tipo o las regulaciones que lo condicionen, influirn en su diseo especfico. Tambin se deber tener en cuenta el alcance del proyecto en un rea subformal.

Equilibrar prioridades: Los requisitos de los diversos participantes pueden ser diferentes, contradictorios o disputarse recursos limitados. Debe encontrarse un equilibrio que satisfaga los deseos de todos. Gracias a este equilibrio se podrn corregir desacuerdos que surjan en el futuro.

Demostrar valor iterativamente: Los proyectos se entregan, aunque sea de un modo interno, en etapas iteradas. En cada iteracin se analiza la opinin de los inversores, la estabilidad y calidad del producto, y se refina la direccin del proyecto as como tambin los riesgos involucrados

Colaboracin entre equipos: El desarrollo de software no lo hace una nica persona sino mltiples equipos. Debe haber una comunicacin fluida para coordinar requisitos, desarrollo, evaluaciones, planes, resultados, etc.

Elevar el nivel de abstraccin: Este principio dominante motiva el uso de conceptos reutilizables tales como patrn del software, lenguajes 4GL o marcos de referencia por nombrar algunos. Esto

Josimar Chire Saire

Cui: 20063791

Proyecto de Tesis

evita que los ingenieros de software vayan directamente de los requisitos a la codificacin de software a la medida del cliente, sin saber con certeza qu codificar para satisfacer de la mejor manera los requisitos y sin comenzar desde un principio pensando en la reutilizacin del cdigo. Un alto nivel de abstraccin tambin permite discusiones sobre diversos niveles y soluciones arquitectnicas. stas se pueden acompaar por las representaciones visuales de la arquitectura, por ejemplo con el lenguaje UML.

Enfocarse en la calidad: El control de calidad no debe realizarse al final de cada iteracin, sino en todos los aspectos de la produccin. El aseguramiento de la calidad forma parte del proceso de desarrollo y no de un grupo independiente.

Procedimientos para la recoleccin de informacin instrumentos a utilizar y mtodos para el control de calidad

Se usar bsqueda en Internet, libros, papers, revistas para recolectar y analizar informacin referente al tema; con el fin de profundizar y realizar un mejor trabajo.
Josimar Chire Saire Cui: 20063791

Proyecto de Tesis

Para certificar la calidad del sistema, se tomar como apoyo a expertos en el tema; qie harn las observaciones necesarias para mejorar los resultados.

Cronograma

Tareas

Fechas 30 de

1. Investigacin y profundizacin en 1 de Octubre el tema. Octubre 2. Anlisis y Diseo del Sistema 3. Implementacin 4. Pruebas y Correciones

1 de Noviembre 15 de Noviembre 16 de Noviembre 5 de Diciembre 6 de Diciembre 20 de Diciembre

Sem/ T T1 T2 T3 T4

1 0

Presupuesto

Descripcin de 3meses aprox. 1. Papel

Gastos

x Monto S/.50.00 S/.150.0

2. Investigacin ( Internet)

Josimar Chire Saire

Cui: 20063791

Proyecto de Tesis 0 3. Impresiones 4. tiles de Escritorio 5. Transporte 6. Sistema Operativo 7. Presentacin Tesis TOTAL S/. 100.00 S/. 50.00 S/. 60.00 S/. 300 S/. 50 S/. 760.00

Referencias bibliogrficas

[1] Artificial Neural Networks vs Support Vector Machines for Skin Diseases Recognition, Michal Antkowiak [2] Application of Neural Network in Medical Image Processing, Zhenghao Shi and Lifeng He

Josimar Chire Saire

Cui: 20063791

Proyecto de Tesis

[3] Automatic Recognition of small cell carcinoma based on the self-organizing neural network, Fangshen Shi, Kuanghu Hu, Wanfang Su, Shuyu Li, Nian Cai, Zhiying Huang and Yingxiong Hu [4] Deteccin De Normalidad Y Anormalidad En Radiografas De Trax Usando Lbp, Juan Manuel Carrillo de Gea [5] Algoritmos Geneticos, Natyhelem Gil Londoo [6] Training Feedforward Neural Networks Using Genetic Algorithms, David J. Montana and Lawrence Davis [7] Genetic Algorithms for Neural Network Training on Transputers, Bernhard Omer

Josimar Chire Saire

Cui: 20063791