Diagnóstico de gastritis basado en iridología mediante el procesamiento digital de imágenes

Abstract

El procesamiento digital de imágenes (PDI) ha adquirido un papel importante en el desarrollo tecnológico actual, debido a la posibilidad de automatizar procesos cuando se trabaja conjuntamente con el aprendizaje de máquina. Una aplicación importante del PDI son los sistemas CAD (Computer Aided Diagnosis), los cuales se encargan de facilitar el diagnóstico de patologías en función a una mejora en la imagen donde se resalta cierta área de interés para el especialista. Los sistemas CAD se encuentran generalmente aplicados a la medicina tradicional, aunque en estudios recientes han sido aplicados a medicina alternativa como, por ejemplo, la iridología; la cual se encarga de localizar posibles alteraciones en la salud en base a características mostradas en el iris. Por la distribución del mapa del iris, se optó por detectar anomalías gástricas, concretamente la gastritis, ya que gran parte de la población presenta esta patología en algún momento de su vida. Basado en esto, el presente trabajo tiene como objetivo diseñar e implementar un prototipo para generar un diagnóstico preventivo de la gastritis de forma automática; utilizando el procesamiento digital de imágenes, plantillas iridológicas y aprendizaje de máquina. El sistema implementado trabaja con 100 imágenes en una base de datos de donde se extraen 12 características de color por imagen, las cuales ayudan al sistema a detectar la presencia de gastritis. El prototipo debe realizar un diagnóstico preventivo automático por lo que debe aprender a discernir entre la información obtenida; en otras palabras, debe clasificar los pacientes. Por esta razón, se emplea métodos de aprendizaje supervisado como son: árbol de decisión, vecinos más cercanos, máquinas de soporte y redes neuronales. Los resultados de la evaluación del mejor clasificador son 94% y 92% los cuales representan los valores de exactitud y capacidad predictiva del sistema respectivamente.