Algoritmo de parametrización de imágenes estroboscópicas de cuerdas vocales

  1. Mendez Zorrilla, Amaia
Dirigida por:
  1. Begoña García-Zapirain Director/a

Universidad de defensa: Universidad de Deusto

Fecha de defensa: 13 de diciembre de 2012

Tribunal:
  1. Elisabete Aramendi Ecenarro Presidenta
  2. Francisco Javier Oliver Bernal Secretario/a
  3. Adel Said Elmaghraby Vocal
  4. Adriana Dapena Vocal
  5. Ana Salomé Sánchez del Rey Vocal

Tipo: Tesis

Resumen

La realización de esta tesis ha sido motivada por el impulso de la ingeniería biomédica en los últimos años, el avance de la tecnología en las diferentes especialidades médicas y concretamente de las peculiaridades de la otorrinolaringología en este aspecto, la existencia de multitud de profesionales alrededor del estudio de las imágenes estroboscópicas de cuerdas vocales, y la falta de objetivación en la emisión de los diagnósticos de este área. El principal objetivo es que esta tesis sea una aportación a la comunidad científica y médica en el ámbito de la otorrinolaringología, aplicando algoritmos de procesado digital de imagen como ayuda al diagnóstico. La aportación se centra en la parametrización y cuantificación de las características de las patologías de cuerdas vocales a partir de imágenes estroboscópicas de forma automatizada. Para ello, se han acotado las patologías a aquellas relacionadas con la morfología de la cuerda vocal, y patologías relacionadas con el movimiento o ausencia de movimiento de las cuerdas vocales. Para cumplir este objetivo, se han aplicado técnicas de análisis de texturas para la segmentación, concretamente los filtros de Gabor. Se ha utilizado el Análisis de Componentes Principales para realizar una clasificación de las imágenes en función de la patología, y se ha estudiado el movimiento mediante algoritmos de Block Matching. La extracción de los parámetros se ha efectuado usando todos los resultados de las técnicas previamente aplicadas. Los resultados obtenidos experimentalmente sobre una base de datos de 1262 imágenes muestran ratios de éxito muy satisfactorios, siendo del 95,07% en la segmentación, alcanzando un 92,10% en la preclasificación previa a la medida de los parámetros. Por último, atendiendo a las secuencias y no a las imágenes individuales, el algoritmo ha propuesto el mismo diagnóstico que el médico en el 100% de las estudiadas. Estos resultados demuestran la eficacia de los algoritmos propuestos y dejan la puerta abierta hacia el desarrollo de algoritmos para parametrizar el cáncer de cuerdas vocales, o hacia el estudio de la vascularización y el color que también pueden ser indicadores de patología.