Trabajos Originales

Contornos radiculares de imágenes radiográficas dentales detectados bajo ambiente Matlab - Estudio piloto

Recibido para arbitraje: 16/03/2010
Aceptado para publicación: 26/01/2011


  • Izzeddin, I., Facultad de Odontología, Departamento de Prostodoncia y Oclusión, Universidad de Carabobo. Valencia Venezuela.

  • Rafeh, R., Facultad de Ingeniería, Departamento de Física, Universidad de Carabobo. Valencia Venezuela,

  • Narea, F., Facultad de Ciencia y Tecnología. Física. Universidad de Carabobo. Valencia Venezuela.
CORRESPONDENCIA:
[email protected] [email protected]

CONTORNOS RADICULARES DE IMÁGENES RADIOGRÁFICAS DENTALES DETECTADOS BAJO AMBIENTE MATLAB. ESTUDIO PILOTO

Resumen
La denominación placa o película fotográfica de rayos X designa una imagen obtenida por radiación electromagnética, invisible, capaz de atravesar cuerpos opacos con la finalidad de visualizar los cuerpos duros (estructura ósea). Las imágenes de rayos X convencionales, en el ámbito de la odontología ofrece una imagen con información visual bidimensional insuficiente desde el punto de vista de las mediciones de contornos radiculares, en este sentido, el presente estudio sugiere procesar la radiografía para reconstruir la imagen en 3D y detectar los contornos de las mismas, bajo ambiente Matlab. Se aplicó dicho proyecto a varias radiografías dentales donde se pudo evidenciar con mayor exactitud y precisión diversos factores que conllevan a un tratamiento más certero. Este procedimiento permitió que imágenes originales en niveles de grises y con poca discriminación visual pasen a tener color con alto contraste visual, asociado a la densidad del tejido con los distintos niveles de combinación de los componentes de la matriz de colores. De esta forma, el profesional consigue localizar fácilmente, con un mínimo margen de error, el foco de interés para tratamientos en las diversas áreas de la odontología, ofreciendo así, un plan de tratamiento más acertado al paciente.

Palabras clave. Rayos X, Matlab, imagen en 3D.



ROOTS CONTOURS IN DENTAL RADIOGRAPHIC IMAGES DETECTED UNDER MATLAB ENVIRONMENT. A PILOT STUDY

Abstract
The designations plate or photographic pel X-rays denotes an image obtained by Electromagnetic radiation, invisible, able to pass through opaque bodies in order to view the hard bodies (bone structure). The conventional X-ray images in dentistry provide an insufficient image with bidimensional visual information for what this study suggests to reconstruct a 3D image and detect the contours of the same, under Matlab environment. This project was applied to several dental radiographs which became evident with greater accuracy and precision several factors that lead to more accurate treatment.. This procedure allowed the original images in gray levels and low pass visual discrimination have high visual contrast color associated with tissue density with different levels of combination of the components of the array of colors. Thus, the practitioners unable to locate easily, with a minimal margin of error, the focus of interest for treatment in various areas of dentistry, offering a successful treatment plan the patient.

Keyword: X rays, Matlab, 3D images.


INTRODUCCION
Hoy en día, equipos de alta tecnología y sistemas automatizados se introducen con mayor frecuencia en la práctica odontológica, aumentando así las posibilidades de preservación de la salud bucal a través de un diagnóstico certero. En este sentido, diversos autores han documentado las aplicaciones del programa Matlab en algunas especialidades médicas motivando la investigación que permite generar este artículo como parte de una primera experiencia venezolana en las posibilidades que brinda el uso de la reconstrucción 3D y la detección de contornos de la imagen radiográfica obtenida por rayos X convencional, analizada bajo ambiente Matlab, para el diagnóstico de patologías bucales. Por ende, en primera instancia es necesario el conocimiento básico de los fundamentos del Rx convencional.

Naturaleza de los rayos X
Los rayos X son radiaciones electromagnéticas, cuya longitud de onda va desde unos 10 NM hasta 0,001 NM correspondiendo a frecuencias en el rango de 30 a 3.000 PHz. Cuanto menor es la longitud de onda de los rayos X, mayor es su energía y poder de penetración. Tanto la luz visible como los rayos X se producen a raíz de las transiciones de los electrones atómicos de una órbita a otra. La luz visible corresponde a transiciones de electrones externos y los rayos X a transiciones de electrones internos. En el caso de la radiación de frenado o bremsstrahlung, los rayos X se producen por el frenado o deflexión de electrones libres que atraviesan un campo eléctrico intenso. Los rayos X se producen siempre que se bombardea un objeto material con electrones de alta velocidad. Gran parte de la energía de los electrones se pierde en forma de calor; el resto produce rayos X al provocar cambios en los átomos del blanco como resultado del impacto. Los rayos X emitidos no pueden tener una energía mayor que la energía cinética de los electrones que los producen. La radiación emitida no es monocromática, sino que se compone de una amplia gama de longitudes de onda, con un marcado límite inferior que corresponde a la energía máxima de los electrones empleados para el bombardeo, información esta necesaria para el procesamiento de la misma en 3D. Este espectro continuo se denomina a veces con el término alemán bremsstrahlung, que significa 'radiación de frenado', y es independiente de la naturaleza del blanco. Si se analizan los rayos X emitidos con un espectrómetro de rayos X (Rx), se encuentran ciertas líneas definidas superpuestas sobre el espectro continuo; estas líneas, conocidas como Rx característicos, corresponden a longitudes de onda que dependen exclusivamente de la estructura de los átomos del blanco. En otras palabras, un electrón de alta velocidad que choca contra el blanco puede hacer dos cosas: inducir la emisión de Rx de cualquier energía menor que su energía cinética o provocar la emisión de Rx de energías determinadas, que dependen de la naturaleza de los átomos del blanco 1.

En este sentido, la mayoría de los tubos de rayos X que se emplean en la actualidad son tubos de Coolidge modificados. Los tubos más grandes y potentes tienen anticátodos refrigerados por agua para impedir que se fundan por el bombardeo de electrones. El tubo antichoque, muy utilizado, es una modificación del tubo de Coolidge, con un mejor aislamiento de la carcasa (mediante aceite) y cables de alimentación conectados a tierra. Los aparatos como el betatrón se emplean para producir rayos X muy duros, de longitud de onda menor que la de los rayos gamma emitidos por elementos naturalmente radiactivos.

Propiedades de los rayos x
Los rayos X afectan a una emulsión fotográfica del mismo modo que lo hace la luz. La absorción de rayos X por una sustancia depende de su densidad y masa atómica. Cuanto menor sea la masa atómica del material, más transparente será a los rayos X de una longitud de onda determinada. Cuando se irradia el cuerpo humano con rayos X, los huesos compuestos de elementos con mayor masa atómica que los tejidos circundantes absorben la radiación con más eficacia, por lo que producen sombras más oscuras sobre una placa fotográfica. En la actualidad se utiliza radiación de neutrones para algunos tipos de radiografía, y los resultados son casi los inversos. Los objetos que producen sombras oscuras en una imagen de rayos X aparecen casi siempre claros en una radiografía de neutrones, lo que se traduce en un contraste pobre que puede ser superado con el uso de tecnologías recientes 2. Cabe destacar, que se considera el procesamiento de una imagen Rx debido a que la información arrojada por esta permite visualizar estructuras óseas.

Aplicación de nuevas tecnologías sobre imágenes radiográficas
La gran limitación de las placas de rayos X ó radiografía es que ofrecen una visión bidimensional de un objeto tridimensional. La utilización de nuevas tecnologías sobre la imagen obtenida por rayos X ofrece una visión tridimensional. De éste modo, la adquisición de la imagen de la pantalla necesita algunos segundos y así la imagen final produce imágenes nunca vistas y permite abrir la mágica puerta del mundo de tres dimensiones.
En este sentido, diversos autores se han abocado a documentar las distintas técnicas para el tratamiento digital de imágenes, las mismas son provenientes de imágenes en una dimensión, originando una extensión natural en 2D y 3D mediante tecnologías emergentes 3 Todas estas técnicas tienen como objeto de su aplicación la matriz de mapa de bits (bitmap) de los mencionados archivos 4 bajo ambiente matlab.

Imágenes procesadas en Matlab
La estructura básica de datos en Matlab es una matriz, un conjunto ordenado de elementos reales adecuado para la representación de imágenes, vistas éstas como un conjunto de píxeles con información de color o intensidad de gris. Matlab almacena la mayoría de tipos de imágenes que soporta como matrices bidimensionales, cada elemento de la cual hace referencia a un píxel de la imagen representada (píxel es un anglicismo que proviene de la abreviación picture element, y normalmente representa un punto de luz en el monitor).Por ejemplo, una imagen compuesta por un conjunto de 144 filas y 176 columnas de píxeles (que es el tipo de imágenes que se han utilizado para las pruebas del editor) puede ser almacenada en Matlab en una matriz bidimensional de 144x176 o tridimensional si es imagen color de144x176x3 formando una hipermatriz. Esta posibilidad de almacenamiento supone que trabajar con imágenes en Matlab sea similar a trabajar con cualquier otro tipo de dato matricial. Por lo que sería posible seleccionar un determinado píxel de la imagen mediante el formato típico de acceso a un elemento de una matriz 5. Con esta matriz el procesamiento de imágenes y su reconstrucción en 3D así como la herramienta de programa detección de contornos de una imagen la cual utiliza el algoritmo de Canny, son elementos de suma importancia, pues su utilización y programación facilita muchas tareas, entre ellas, el reconocimiento de objetos, el levantamiento de imágenes en 3D y su segmentación en regiones de interés y entre otras aplicaciones En este sentido, en el campo de la odontología se puede obtener a través de la medida de los contornos en pixeles la longitud de trabajo, es decir la longitud dentaria con mayor exactitud y precisión, la cual es fundamental en diversas disciplinas odontológicas.


MATERIALES Y METODOS
El estudio por su intención de diseñar una nueva alternativa al generar una imagen radiográfica en 3D y a color se enmarca bajo una metodología de investigación tipo proyecto factible que incluye modalidad documental y de campo

Atendiendo a lo anteriormente expuesto, este estudio asumió los criterios que guían un proyecto factible, pues el trabajo está orientado a responder a la necesidad de incorporar el levantamiento en 3D de una radiografía y la detección de contornos definiendo la escala de colores según el tejido respectivo, bajo ambiente Matlab como herramienta para lograr un diagnóstico certero en la práctica odontológica y servir de soporte a los profesionales del área, en este caso específico en la detección de contornos radiculares. Bajo esta premisa, surge la creación de una alternativa, factible, viable y accesible, consistente en el levantamiento 3D y de contornos de las radiografías dentales.
El procedimiento es el siguiente:
  1. Toma de la radiografía.
  2. Revelado.
  3. Se posiciona sobre un negatoscopio.
  4. Se toma una fotografía a la misma.
  5. La fotografía es tratada bajo ambiente Matlab.
  6. Reconstrucción de imagen en 3D y detección de contornos radiculares
  7. Análisis de la imagen obtenida y diagnostico de patologías presentes.
Cabe resaltar que, durante la segmentación de la imagen, donde se separan los componentes de una imagen incluyendo el fondo, de manera que su suma aditiva conforme la imagen original se efectúan marcas en los objetos segmentados siguiendo parámetros específicos (forma, tamaño y textura,). Existen varios métodos para segmentar entre los cuales se pueden citar la umbralización por histograma, la detección de discontinuidades y el algoritmo de Canny es usado para detectar todos los bordes existentes en una imagen. Este último está considerado como uno de los mejores métodos de detección de contornos mediante el empleo de máscaras de convolución y basado en la estimación del máximo del gradiente de una imagen como expresión de la máxima variación de intensidad de la misma. Los puntos de contorno son como zonas de píxeles en las que existe un cambio brusco de nivel de gris que conforman la imagen cuando se pasa de una ósea a una zona no ósea, así se logro la detección de contornos para obtener los bordes del objeto en este caso la superficie radicular, la cual es fundamental desde el punto de vista enodóntico y protético. En el tratamiento de imágenes, se trabaja con píxeles, y en un ambiente discreto, es así que en el algoritmo de Canny que el código contornos empleado en el presente estudio utiliza máscaras, las cuales representan aproximaciones en diferencias finitas, lo cual es mencionada por diversos autores a partir de experimentos realizados y fue corroborado por el autor durante los ensayos del software.


RESULTADOS Y DISCUSION
En lo que respecta a la figura 1 (obtenida por Rx convencional) fue punto de partida para el levantamiento tridimensional de la misma bajo ambiente Matlab, resultando las Figuras 2 a escala de grises. Como puede observarse, esta rutina discrimina en forma extrema los detalles, en especial los contornos, más allá de los colores originales, ya que, se define con precisión las formas radiculares (Figura 2) Además, se puede discriminar las transiciones susceptibles permitiendo análisis de porosidad y tensión del hueso (figura 2). Esto confirma que la rutina de Rayos X convencional provoca una sensación visual de relleno espacial, integración y condensación que dificulta la precisión en la imagen obtenida la cual es mejorada bajo el procedimiento mencionado. En este sentido, Llanes en el año 2005, indica la posibilidad de diagnosticar fisuras visualmente no detectables con dimensiones de hasta tres pixeles si se realizan ampliaciones manuales en zonas segmentadas. Y sugiere al igual que el presente estudio una etapa final de filtrado con la finalidad de eliminar el ruido, ya que la resolución depende de este parámetro. Provee a su vez la ventaja de estudiar y observar detalladamente contornos óseos, difícilmente observables en radiografías convencionales debido a su compleja localización, dicho aspecto coincide con el presente estudio 6. Bajo esta premisa, Gonzales (2004) utilizo la detección de contornos a través de un estudio de localización de discontinuidades, y refiere el cambio brusco de intensidad que sufren los pixeles que conforman la imagen cuando se pasa por una zona no ósea (oscura mayoritariamente) a una donde existen huesos (mucho más clara)7. Dentro de este método quedan incluidas las variantes para la detección de contornos, ya que tienen en cuenta el borde de convolución de la imagen objeto. La necesidad de identificación de contornos fue corroborada por Pratt (2001) efectúa una reproducción de la imagen con una distribución de Gauss con desviación estándar igual a la unidad (valor por defecto) y posteriormente anula los puntos de dicha imagen donde el gradiente de la misma no es máximo 8.

En éste proyecto se realiza la detección de contornos con la finalidad de dimensionar la pieza dentaria y a través de la programación visualizarla y medir las longitudes pertinentes según la necesidad específica en una interface amigable. Además Hay un paso que hace las veces de filtro, anulando de esta forma el ruido que se representa por los máximos locales de la imagen con un costo computacional bajo y con poca agresión a los detalles finos de la imagen. Este reprocesamiento primario hace que cuando se estimen los puntos de máximo del gradiente, los contornos reales puedan ser observados y la inmunidad ante el ruido aumente. Las funciones empleadas cierran contornos abiertos, rellenan zonas cerradas y eliminan píxeles de ruido aislados. Básicamente permiten obtener mejoramientos sustanciales de los contornos detectados.


CONCLUSIÓN
Después del análisis del levantamiento tridimensional de la radiografía bajo ambiente MATLAB, se concluyo que la imagen procesada es de significativa importancia para el diagnostico, localización y reconstrucción de imágenes dentales con excelente precisión, es decir es posible diagnosticar contornos y longitudes radiculares ambos aspectos fundamentales para el área de prótesis y endodoncia, ambas disciplinas que requieren en gran medida de dichos parámetros facilitando al profesional de la odontología el procedimiento clínico a realizar, posibilitando de esa forma un tratamiento certero.

Permite estudiar y observar detalladamente regiones dentarias que son difícilmente observables en radiografías convencionales por su anatomía compleja, tal como la perdida en hueso.

Aunado a esto se puede avanzar sobre un terreno poco desarrollado en la odontología. Esto permite a su vez al odontólogo realizar diagnósticos más precisos al desenmascarar ciertos elementos susceptibles de representar una patología, los cuales se hallan ocultos detrás de la indefinición propia de una imagen sin color. Por ende, los resultados son modestos pero alentadores.

Cabe destacar, lo necesario de una etapa de filtrado, en vista de eliminar el ruido presente ya que la resolución de detección minima un píxel depende de dicho aspecto.

En resumen, el carácter aplicado del presente proyecto conlleva a pensar en diversos campos de la odontología, cada uno de los cuales a su vez ofrece un amplio abanico de aspectos por investigar y mejorar, por ejemplo a partir de los contornos obtener los bordes y perímetros dentales, proyecto actualmente en ejecución.

REFERENCIAS BIBLIOGRÁFICAS.
  1. Williams, J.R. y Thwaites, D.Y. (1993) Radiotherapy Physics in Practice (Oxford University Press: New York.

  2. Beckhoff, B., Kanngießer, B., Langhoff, N., Wedell, R., Wolff, H., Handbook of Practical X-Ray Fluorescence Analysis, Springer, (2006)

  3. Mastriani, M. (1994) "Self-Restorable Stochastic Neuro-Estimation using Forward-Propagation.

  4. Glassner, M.(2002) Principles of Digital Image Processing, Tomo 1 y 2, Morgan Kaufmann

  5. Hervella S. (2006) Editor de Imágenes basado en Regiones. Aplicación en entorno Matlab. Azouzi tesis de grado de especialidad en Telecomunicaciones. EUETIT.-Terrassa

  6. Lianes M. Congreso de la Sociedad Cubana de Bioingenieria, Habana, 2005. Reconocimieto de fracturas tanto simples como compuestas, transversals y con desplazamiento lateral en huesos largos a partir de imagenes radiograficas digitales empleando MatLab. Instituto Politecnico Jose Antonio Echevarria, Ciudad de la Hbana Cuba.

  7. Gonzales, R. Wods, R. Eddins S.(2004) Digital Image processing using MATLAB. Prentice Hall USA> 1-2. 334-425.

  8. Pratt W. Digital Image Processing. 3a ed. 2001 Pixel Soft. Inc. altos de California. Epígrafe 4-10. 243-278.