​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías

IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
Fecha​ ​de​ ​entrega:​ ​20/11/17

Tipo​ ​de​ ​informe: Parcial: Final: x

Registro de imágenes infrarrojas de manos y pies en

Título​ ​del​ ​proyecto:
paciente​ ​con​ ​diabetes.

Nombre​ ​del​ ​responsable​ ​técnico: Dr.​ ​Héctor​ ​Fernando​ ​Gómez​ ​García

Omar​ ​Bermudes​ ​Figueroa

Nombre​ ​de​ ​los​ ​colaboradores:
Juan​ ​José​ ​López​ ​Tugores

Nombre​ ​de​ ​los​ ​participantes: Dr.​ ​Arturo​ ​González​ ​Vega

Resumen
El síndrome del pie diabético es la principal causa de hospitalización de pacientes con diabetes
mellitus. Anualmente se registran aproximadamente 64,000 amputaciones tan sólo en los Estados
Unidos. Debido a esto el Dr. Arturo González Vega, Profesor de tiempo completo de la Universidad
de Guanajuato se encuentra trabajando en la elaboración de una técnica de detección temprana de
este síndrome. Su metodología consiste en analizar el patrón de disipación de calor en las
extremidades de un paciente a partir de fotografías infrarrojas; sin embargo, entre las diversas
fotografías de una sesión se pueden presentar variaciones en la posición del objeto de interés lo que
dificulta la extracción de datos relevantes. El presente trabajo es sobre la elaboración de una técnica
para​ ​registrar​ ​puntos​ ​de​ ​control​ ​en​ ​dichas​ ​imágenes.

Abstract
Diabetic foot syndrome is the main cause of hospitalization of patients with diabetes mellitus.
Approximately 64,000 amputations are registered annually in the United States. Due to this the Dr.
Arturo González Vega, Professor at the University of Guanajuato, is working on the development of
an early detection technique for this syndrome. His methodology consists of analyzing the pattern of
heat dissipation in the extremities of a patient from infrared photographs; However, among the
different photographs of a session, variations in the position of the object of interest may occur, which
makes it difficult to extract relevant data. The present work is about the development of a technique to
register​ ​control​ ​points​ ​in​ ​those​ ​images.

Palabras​ ​clave
registro de imágenes, información mutua, transformaciones afines, síndrome del pie diabético,
diabetes
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
Introducción

Marco​ ​contextual

Antecedentes
La Organización Mundial de la Salud define al síndrome del pie diabético como la ulceración,
infección y/o gangrena del pie asociados a neuropatía diabética y diferentes grados de enfermedad
arterial periférica y es el resultado de la interacción compleja de diferentes factores ​(Jeffcoate,
Macfarlane, & Fletcher, 1993)​. El síndrome del pie diabético es la principal causa de
hospitalización en pacientes con diabetes mellitus. Tan solo en Estados Unidos se registran
alrededor de 64,000 amputaciones anuales asociadas al síndrome del pie diabético ​(Pinilla,
Barrera, Rubio Ramos, & Devia, 2014)​. Los pacientes con este síndrome también están expuestos
a otros riesgos como enfermedades cardiovasculares y cerebrovasculares. Las cifras indican que
el 20% de los pacientes que padecen este síndrome sufrirán un infarto de miocardio o un
accidente cerebrovascular no fatal y el 30% morirán por enfermedades cardiovasculares. A todos
los riesgos anteriores hay que agregar que la mayoría de los pacientes tienen un desarrollo
asintomático, lo que deriva en un diagnóstico tardío y contribuye al grado de severidad de los
padecimientos ​(Sheehan, 2004)​. Sin lugar a dudas la pronta detección y tratamiento adecuado
juegan un papel crucial para salvar los miembros inferiores, preservar la calidad de vida y disminuir
las​ ​tasas​ ​de​ ​mortalidad​ ​de​ ​los​ ​pacientes​ ​(Khanolkar,​ ​Bain,​ ​&​ ​Stephens,​ ​2008)​.

Situación​ ​actual
Existen diversos mecanismos y técnicas para la detección del síndrome del pie diabético; sin
embargo la mayoría de estas técnicas funcionan bajo la premisa de que el paciente presenta
neuropatía diabética ​(Dros, Wewerinke, Bindels, & van Weert, 2009) . Los métodos que no se
basan en esa premisa buscan, mediante prácticas clínicas, si el paciente presenta deterioro arterial
(basándose en la coloración en ciertas áreas del cuerpo como los pies) producido por la sangre
después de algún evento físico como flexionar las piernas o mantenerlas en alguna posición. En
los siguientes apartados se citan y describen brevemente las técnicas de detección más
importantes.

Prueba​ ​del​ ​monofilamento​ ​Semmes-Weinstein

Esta prueba consiste en recostar al paciente en posición decúbito supino (Horizontal boca arriba) y
aplicar presión con un filamento de 1 a 1.5 segundos en la cara plantar de cada pie, sobre las
cabezas del primero, tercero y quinto metatarsianos, los dedos primero y quinto, en el talón, entre
la base del primero y segundo dedos en su cara dorsal. Se realizan tres aplicaciones sobre el
dorso y el dedo grueso, sin que el paciente observe a la persona que realiza la detección y
respondiendo en cada ocasión sobre la percepción del contacto. Los “estadios” se consideran
normales si la respuesta es correcta en ocho de ocho aplicaciones, disminuida si la respuesta es
correcta de una a siete aplicaciones (de ocho también) y ausente si no hay respuesta en ninguna
ocasión​ ​(FernándezIII​ ​&​ ​MontequínIV,​ ​2009)​.

Prueba​ ​de​ ​sensibilidad​ ​vibratoria​ ​o​ ​con​ ​diapasón

La prueba de sensibilidad consiste en colocar el diapasón sobre la prominencia ósea de la

articulación interfalángica distal (sobre el dorso del dedo grueso) o sobre la epífisis distal del primer
metatarsiano y hacer vibrar el diapasón mediante un golpe en la rama, evaluando el nivel de
sensación del paciente o usando biotensiómetros que valoran la percepción vibratoria entre cero y
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
cincuenta​ ​voltios​ ​(FernándezIII​ ​&​ ​MontequínIV,​ ​2009)​.

Isquemia​ ​plantar​ ​de​ ​Samuel

En esta prueba se solicita al paciente se recueste con los pies elevados en ángulo de 90 grados y
se le indica que haga una rápida flexión y extensión del pie (a razón de 40 a 60 veces por minuto).
El resultado se considera negativo (normal) si el color rosado de los pies persiste y positivo
(anormal) si presenta marcada palidez en dedos y regiones plantares de los pies ​(FernándezIII &
MontequínIV,​ ​2009)​.

Prueba​ ​del​ ​tiempo​ ​de​ ​relleno​ ​venoso,​ ​(Collens​ ​y​ ​Willensky)

Esta prueba consiste en mantener acostado al paciente y al mismo tiempo levantar sus
extremidades (para producir el vaciado de las venas del dorso del pie); luego el miembro se baja a
la posición declive y se observa el tiempo que transcurre para que se vuelvan a rellenar las venas
del dorso del pie, dando como resultado negativo si este relleno puede ocurrir en 6-10 segundos y
positivo​ ​si​ ​el​ ​tiempo​ ​de​ ​relleno​ ​venoso​ ​está​ ​prolongado​ ​(FernándezIII​ ​&​ ​MontequínIV,​ ​2009)​.

Estas técnicas están diseñadas para diagnosticar el síndrome del pie diabético mediante la
presencia de la neuropatía diabética o la enfermedad arterial periférica. Esto quiere decir que el
grupo de técnicas basadas en encontrar la neuropatía diabética darán un falso negativo si el
paciente con pie diabético no presenta una neuropatía.El grupo de prácticas clínicas que se
centran en encontrar la enfermedad arterial periférica no podrán diagnosticar el síndrome del pie
diabético​ ​en​ ​caso​ ​de​ ​que​ ​el​ ​paciente​ ​sea​ ​asintomático.

Problema
El Dr. Arturo González Vega, Profesor de tiempo completo en la Universidad de Guanajuato, está
realizando una investigación para la detección temprana del síndrome del pie diabético. El objetivo
de su investigación es desarrollar una técnica que permita identificar y distinguir (en etapas
tempranas) la enfermedad arterial periférica y la neuropatía diabética en pacientes que presentan
este​ ​síndrome.​ ​La​ ​propuesta​ ​comprende​ ​el​ ​desarrollo​ ​de​ ​una​ ​técnica​ ​no​ ​invasiva​ ​que​ ​consiste​ ​en:

1. Sumergir las manos y pies del paciente en agua a una temperatura regulada, durante un
intervalo​ ​de​ ​tiempo.
2. Retirar las extremidades del agua, apoyarlas en una superficie plana y capturar
fotografías​ ​con​ ​una​ ​cámara​ ​infrarroja.
3. Colocar puntos de control en áreas de interés de las imágenes obtenidas con la cámara
infrarroja.
4. Analizar el comportamiento de estos puntos de interés en las fotografías térmicas para
detectar alguna anomalía característica de los pacientes con síndrome del pie diabético
ante​ ​los​ ​estímulos​ ​térmicos.

Marco​ ​teórico

Registro​ ​de​ ​imágenes

El registro es una tarea fundamental en el procesamiento de imágenes. que tiene como objetivo
alinear dos o más imágenes tomadas a diferentes tiempos, por diferentes sensores o desde
diversos puntos de vista. Algunas aplicaciones donde el registro juega un rol importante son: el
seguimiento automático de objetos en tiempo real, el monitoreo de terreno (usando imágenes
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
satelitales), el alineamiento de imágenes estéreo para el reconocimiento de formas
tridimensionales, el alineamiento de imágenes médicas obtenidas en diversas modalidades (con el
objetivo de ofrecer un diagnóstico), entre otras. Debido al amplio espectro de aplicaciones, cada
una con sus tipos de datos y objetivos, las técnicas de registro han ido creciendo en cantidad y
complejidad.

Según Brown en su artículo A survey of image registration techniques ​(Brown, 1992) las diversas
técnicas​ ​de​ ​registro​ ​pueden​ ​describirse​ ​como​ ​la​ ​combinación​ ​de​ ​4​ ​componentes​ ​básicos:
1. Espacio​ ​de​ ​características.
2. Espacio​ ​de​ ​búsqueda.
3. Métrica​ ​de​ ​similitud.
4. Estrategia​ ​de​ ​búsqueda.

Espacio​ ​de​ ​características

El primer paso para la elaboración de una técnica de registro es encontrar el espacio de
características adecuado. El espacio de características es el conjunto de rasgos relevantes que
serán extraídos de las imágenes (normalmente en una etapa de preprocesamiento). Al cambiar la
representación de las imágenes se busca reducir la cantidad de datos, ignorar los elementos
innecesarios, reducir el ruido y finalmente reducir el costo final de la técnica de registro. Se pueden
emplear como características bordes, contornos, superficies, esquinas, intersección de líneas,
puntos​ ​de​ ​gran​ ​curvatura,​ ​centroides,​ ​entre​ ​otros.

Espacio​ ​de​ ​búsqueda

El espacio de búsqueda consiste en la definición de la clase de transformaciones que se pueden
aplicar para alinear las imágenes ​(Brown, 1992)​. Las transformaciones consisten en un mapeo
entre los diversos puntos de una imagen y su nueva ubicación en otra. Las transformaciones
pueden​ ​pertenecer​ ​a​ ​dos​ ​categorías:​ ​globales​ ​y​ ​locales.

Transformaciones​ ​globales

Son definidas por una sola ecuación vectorial que mapea a toda la imagen. Las transformaciones
afines, proyectivas y polinomiales son algunos ejemplos de estas. Las transformaciones afines son
la generalización de otras 4 transformaciones más simples: desplazamiento, rotación,
escalamiento, y cizallamiento. Las operaciones anteriores son ilustradas en la Figura 1. Los
términos scaling, skew, rotation y translation son términos en inglés que traducidos al español
significan​ ​escalamiento,​ ​cizallamiento,​ ​rotación​ ​y​ ​traslación​ ​respectivamente
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Figura​ ​1.​​ ​ ​Transformaciones​ ​afines.​ ​How​ ​Transform​ ​(Coverage)​ ​works​ ​(n.d.).

Las transformaciones afines se caracterizan por ser transformaciones que mantienen el

paralelismo de las rectas. Se suelen usar transformaciones afines cuando se sabe que las
variaciones entre las diferentes escenas se han mantenido en un plano paralelo a la escena
original. Las transformaciones proyectivas son una generalización de las transformaciones afines y
permiten modelar distorsiones causadas por perspectiva. Las transformaciones proyectivas no
garantizan ni el paralelismo de las rectas ni la distancia entre los puntos.En la Figura 2 se pueden
apreciar los puntos antes mencionados. Las frases Projective transformation y Affine
transformation son frases en inglés que traducidas al español significan Transformaciones
proyectivas​ ​y​ ​Transformaciones​ ​Afines​ ​respectivamente.

Figura​ ​2.​​ ​Transformaciones​ ​proyectivas​ ​y​ ​afines.​ ​Affine​ ​and​ ​Projective

Transformations.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
Transformaciones​ ​Locales

Las transformaciones locales, a diferencia de las globales, no mapean de manera uniforme los
puntos de una imagen; más bien la nueva posición de un punto está en función de su ubicación
espacial original. Un modelo mental adecuado para este tipo de transformaciones es el de
imaginarse que la escena original será descompuesta en subregiones a las cuales les serán
aplicadas diferentes transformaciones globales para después ser reintegradas en una sola imagen
resultante.

Métrica​ ​de​ ​similitud

El objetivo de una métrica de similitud es tomar un par de imágenes (o la representación resultante
de la extracción de características) y evaluar el parecido entre éstas. Existen diversas métricas de
similitud como la correlación cruzada, la suma de las diferencias absolutas, correlación de fase,
información mutua, entre otras. Según Espejo ​(Espejo & Jiménez, 2008) las métricas de similitud
pueden​ ​categorizarse​ ​en:

1. Medidas basadas en puntos, que cuantifican la precisión del registro en base a la posición
de​ ​diversos​ ​puntos​ ​de​ ​control​ ​en​ ​ambas​ ​imágenes.
2. Medidas basadas en conservación de la intensidad que comparan la precisión del registro
en​ ​base​ ​a​ ​la​ ​comparación​ ​pixel​ ​a​ ​pixel​ ​en​ ​ambas​ ​imágenes.
3. Medidas basadas en entropía que buscan dependencias estadísticas entre dos variables
aleatorias​ ​como​ ​información​ ​mutua.

Estrategia​ ​de​ ​búsqueda

El espacio de búsqueda establece el catálogo de transformaciones que se pueden usar para
alinear las imágenes. La métrica de similitud permite evaluar cada una de las transformaciones
efectuadas. El objetivo de las estrategia de búsqueda es tomar los elementos anteriores y
computar el camino a la solución de manera eficiente. Algunas de las estrategias de búsqueda
más​ ​usadas​ ​son:
1. El algoritmo iterativo Hill climbing es un método de optimización. Para encontrar una
solución adecuada comienza con una solución arbitraria para después intentar encontrar
una mejor solución cambiando incrementalmente un parámetro de la solución a la vez
(Wikipedia​ ​contributors,​ ​2017a)
2. El algoritmo iterativo Descenso de Gradiente es un método de optimización. Empieza con
un conjunto de parámetros iniciales que van siendo ajustados en cada iteración. El ajuste
de parámetros se da considerando el negativo de la dirección de la función gradiente
(Wikipedia​ ​contributors,​ ​2017b)​.

Para este problema, identificamos que no es suficiente utilizar una transformación geométrica
global dado que para explicar los cambios en la la escena original debemos suponer que dicha
escena se compone de múltiples elementos. Para ilustrar esto en la Figura 3 en la parte posterior
se pueden apreciar dos fotografías tomadas en diferentes tiempos a un mismo paciente y en la
parte​ ​inferior​ ​de​ ​la​ ​misma​ ​figura​ ​se​ ​aprecian​ ​las​ ​diferencias​ ​entre​ ​las​ ​fotografías​ ​anteriores.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Figura​ ​3.​​ ​Diferencias​ ​entre​ ​cuadros​ ​consecutivos.​ ​Elaboración​ ​propia.

Como se puede apreciar aunque el dorsal de la mano se mantiene inerte en ambas imágenes, las
diferencias entre las muestras se deben a desplazamientos de los dedos: meñique y anular hacia
la izquierda, el cordial hacia abajo y el índice hacia la derecha. Dichas alteraciones hacen
imposible el registro con técnicas rígidas o globales, lo que permite concluir que el problema debe
ser resuelto con técnicas locales. Otra característica importante es que, por la naturaleza del
experimento, la temperatura de las extremidades varía entre las muestras, lo que se traduce en
variaciones en los niveles de intensidad, por lo que una métrica basada en la restricción de flujo
óptico queda descartada; por el contrario una métrica como información mutua se basa en la
dependencia estadística entre dos variables aleatorias y presenta qué tanta información tienen una
de otra. Además asume que cuando dos imágenes están alineadas su información mutua es
máxima​ ​(Kosiński,​ ​Michalak,​ ​&​ ​Gut,​ ​2012)​.

Si se toman en cuenta todas las variaciones antes mencionadas parece natural concluir que una
técnica​ ​de​ ​registro​ ​adecuada​ ​para​ ​este​ ​problema​ ​es​ ​aquella​ ​que:
1. Está​ ​basada​ ​en​ ​transformaciones​ ​rígidas​ ​y​ ​locales.
2. Usa​ ​información​ ​mutua​ ​como​ ​métrica​ ​de​ ​similitud.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Descripción​ ​del​ ​proyecto

Propuesta
Utilizar una técnica de registro, afín a trozos, con información mutua como métrica de similitud y
con el algoritmo simplex como estrategia de búsqueda para alinear manos o pies en una serie de
imágenes​ ​infrarrojas.

Justificación
La diabetes mellitus es una enfermedad que afecta a 442 millones de adultos es decir un poco
más del 9% de la población mundial padece esta enfermedad ​(“OMS | Datos y cifras sobre la
diabetes: infografías,” 2016)​. Este padecimiento implica un problema a diversas escalas, desde la
individual al verse afectada la calidad de vida de los pacientes hasta la nacional al ser uno de los
problemas de salud pública más severos de las diversas naciones. El síndrome del pie diabético
reduce drásticamente la calidad de vida de los pacientes siendo la amputación una culminación
común y catastrófica de este síndrome. La importancia de la pronta detección, concientización y
tratamiento es una medida bastante efectiva para conservar la salud de los pacientes ​(Khanolkar
et al., 2008)​. El presente trabajo es pieza clave para el posible desarrollo de una herramienta de
diagnóstico​ ​temprano​ ​automatizada.

Objetivo​ ​general
Registrar los puntos de control, puestos sobre extremidades (manos o pies), en una serie de
imágenes​ ​infrarrojas.

Objetivos​ ​específicos
1. Analizar las variaciones de intensidad y las transformaciones geométricas que hay entre
las​ ​imágenes.
2. Determinar​ ​el​ ​tipo​ ​de​ ​transformaciones​ ​adecuado.
3. Encontrar​ ​la​ ​métrica​ ​de​ ​similitud​ ​adecuada.
4. Encontrar​ ​el​ ​algoritmo​ ​de​ ​optimización​ ​adecuado.
5. Generar​ ​una​ ​política​ ​para​ ​manejo​ ​de​ ​errores.

Hipótesis
Una técnica de registro, afín a trozos, que use como métrica de similitud información mutua,
permite alinear con una alto grado de precisión, manos o pies en un conjunto de imágenes
infrarrojas.

Materiales​ ​y​ ​métodos

Materiales
Para el correcto desarrollo del proyecto los requerimientos mínimos son una computadora con 4gb de
memoria​ ​RAM​ ​y​ ​un​ ​procesador​ ​intel​ ​core​ ​i5.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Metodología
El proyecto consta de dos partes, la investigación y el desarrollo de software, por lo tanto se seguirá
una​ ​metodología​ ​para​ ​cada​ ​una.

Metodología​ ​de​ ​la​ ​investigación

La metodología de investigación que fue utilizada en el presente proyecto está basada en el ciclo de
investigación científica, que es una secuencia de pasos a seguir para aplicar un modelo de
investigación empírico analítico (Wikipedia contributors, 2017c). Se decidió basarse en dicho modelo
de investigación debido a que se vale de la validación empírica y a que es autocorrectivo y progresivo
(Wikipedia​ ​contributors,​ ​2017d).

Recopilación​ ​de​ ​información

Las imágenes utilizadas en este proyecto fueron proporcionadas por el beneficiario, primeramente un
set con 10 imágenes y posterior a esto proporcionó 31158 imágenes correspondientes a 94 sesiones
diferentes.

Identificación​ ​de​ ​factores

Dada la naturaleza del problema, se sabe que los factores que influyen en la elaboración de la
técnica de registro son: los objetos de interés (manos o pies), la frecuencia de muestreo, y los
diversos​ ​fondos.

Validación​ ​de​ ​la​ ​hipótesis

La​ ​validación​ ​de​ ​la​ ​hipótesis​ ​consiste​ ​en
1. Tomar un conjunto arbitrario de imágenes pertenecientes a un mismo paciente y capturadas
en​ ​una​ ​misma​ ​sesión.
2. Colocar​ ​diversos​ ​puntos​ ​de​ ​control.
3. Registrar​ ​los​ ​puntos​ ​de​ ​control​ ​seleccionados.
4. Comparar​ ​visualmente​ ​cuantos​ ​de​ ​los​ ​puntos​ ​establecidos​ ​fueron​ ​ ​correctamente​ ​registrados.

Metodología​ ​de​ ​desarrollo​ ​de​ ​software

Scrum
Para el desarrollo del software, el presente trabajo se ha realizado bajo los principios de la
metodología Scrum. Scrum es una metodología ágil para desarrollo de software que permite iterar
rápido en la aplicación, predecir tiempos de desarrollo, tener mayor productividad, reducción de
riesgos,​ ​flexibilidad​ ​a​ ​cambios,​ ​entre​ ​otros​ ​beneficios​ ​(Sutherland​ ​&​ ​Schwaber,​ ​2011).

A continuación se describirán brevemente las características de Scrum que se manejan en este

documento​ ​(Proyectos​ ​Ágiles,​ ​n.d.):
● Sprint: En scrum un proyecto se ejecuta en bloques temporales, cada bloque temporal es
llamado​ ​sprint​ ​y​ ​su​ ​objetivo​ ​es​ ​proporcionar​ ​un​ ​resultado​ ​completo​ ​al​ ​culminar.
● Daily scrum: Es una junta diaria de sincronización para aumentar la productividad al poner de
manifiesto​ ​puntos​ ​en​ ​que​ ​se​ ​pueden​ ​ayudar.
● Sprint​ ​planning:​ ​Es​ ​una​ ​reunión​ ​donde​ ​se​ ​planifican​ ​las​ ​tareas​ ​a​ ​realizar​ ​en​ ​el​ ​sprint.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
● Sprint​ ​review:​ ​Reunión​ ​donde​ ​se​ ​presentan​ ​las​ ​tareas​ ​completadas​ ​en​ ​el​ ​sprint.
● Backlog: Lista de tareas que el equipo de desarrollo elabora en la reunión de planificación
(Sprint​ ​planning).

Especificación​ ​de​ ​características

● La​ ​duración​ ​de​ ​los​ ​sprints​ ​será​ ​de​ ​dos​ ​semanas.
● Las reuniones del sprint planning y el sprint review se llevarán a cabo los día viernes de la
segunda​ ​semana​ ​de​ ​cada​ ​sprint.
● No se tendrá un Daily Scrum, sin embargo, se realizarán reuniones con el asesor del
proyecto​ ​los​ ​días​ ​miércoles​ ​y​ ​viernes​ ​para​ ​evaluar​ ​el​ ​estatus​ ​de​ ​las​ ​tareas.
● Se utilizarán las iniciales de los nombres para asignar responsables de las tareas, JJLT para
Juan​ ​José​ ​López​ ​Tugores​ ​y​ ​OBF​ ​para​ ​Omar​ ​Bermudes​ ​Figueroa.
Desarrollo

Primer​ ​y​ ​segundo​ ​sprint

En estos primeros dos sprints el objetivo primordial fue la revisión del estado del arte y la revisión de
los diversos elementos que componen a una técnica de registro. Se Investigó sobre las
transformaciones geométricas conocidas como “transformaciones afines” y el tipo de fenómenos que
pueden ser modelados con ellas. También se revisó brevemente lo que son las transformaciones
proyectivas (aunque por las cualidades de las imágenes con las que se trabajan se supo estarían
descartadas). Finalmente se tuvo la oportunidad de revisar el grupo de técnicas elásticas, en
particular las guiadas por splines. Respecto a las métricas de similitud (y disimilitud) se revisó la
restricción de flujo óptico (o error cuadrático medio) y una técnica de teoría de información llamada
información mutua. En cuanto a los diversos algoritmos de optimización se revisaron el algoritmo de
descenso​ ​de​ ​gradiente​ ​y​ ​el​ ​algoritmo​ ​simplex.

Tabla​ ​1.​​ ​Información​ ​de​ ​las​ ​tareas​ ​a​ ​realizar​ ​en​ ​primer​ ​y​ ​segundo​ ​sprint.
Sprint Review/ Sprint Backlog Criterio de Responsables
Planning aceptación

Sprint​ ​1​ ​y​ ​2

[NF] Investigar Aprobación​ ​del​ ​asesor JJLT​ ​-​ ​OBF

Se tuvo una reunión técnicas​ ​de​ ​registro.
con el
beneficiario/asesor y [NF] Investigar Aprobación​ ​del​ ​asesor JJLT​ ​-​ ​OBF
se definieron las métricas​ ​de​ ​similitud
características más
importantes a
investigar antes de
iniciar con una [NF] Investigar Aprobación​ ​del​ ​asesor JJLT​ ​-​ ​OBF
implementación. algoritmos de
optimización.

[NF] investigar tipos Aprobación​ ​del​ ​asesor JJLT​ ​-​ ​OBF

de​ ​transformaciones
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Tercer​ ​sprint
Para el tercer sprint, teniendo en cuenta la investigación previa, se determinó utilizar un espacio de
transformaciones afines, información mutua como medida de similitud y descenso de gradiente como
algoritmo de optimización. La idea principal de este enfoque fue hacer corresponder todos los puntos
que componen la mano. Los resultados obtenidos dieron a conocer que el enfoque no era el
adecuado pues las escenas están compuestas por varios objetos que siguen modelos de movimiento
afín pero con parámetros diferentes por lo tanto es imposible registrar con una sola transformación
afín.

Tabla​ ​2.​ ​ ​Información​ ​de​ ​las​ ​tareas​ ​a​ ​realizar​ ​en​ ​el​ ​tercer​ ​sprint.
Sprint Review/ Sprint Backlog Criterio de Responsables
Planning aceptación

Sprint​ ​3

Basados en las [F] Implementar la Debe calcular la

investigaciones se métrica de similitud de similitud entre dos JJLT
determinó que la información​ ​mutua imágenes y regresar
primera un​ ​valor​ ​numérico
implementación se
debía realizar [F] Implementar una Debe ser capaz de OBF
utilizando función que aplique realizar
transformaciones transformaciones desplazamientos,
afines, información afines​ ​a​ ​una​ ​imagen cizallamientos,
mutua y descenso de escalamientos y
gradiente. rotaciones

[F] Implementar la Debe ser capaz de JJLT

función de encontrar un mínimo
optimización de local​ ​de​ ​una​ ​función
descenso​ ​de​ ​gradiente

Cuarto​ ​y​ ​quinto​ ​sprint

En esta etapa se planteó utilizar una máscara. La máscara es una imagen que contiene únicamente
la información de el objeto de interés (Ver Figura 4). La idea era que mediante la utilización de
información mutua se alinearan todas las imágenes con la máscara. Este enfoque quedó descartado
porque, como se puede apreciar en la Figura 5, el algoritmo de optimización se estancaba en óptimos
locales causados por el traslape de dos grandes regiones homogéneas (dedos de la máscara con
una​ ​superficie​ ​de​ ​la​ ​imágen​ ​térmica​ ​o​ ​diversos​ ​dedos​ ​alineados).
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Figura​ ​4.​​ ​Máscara​ ​de​ ​una​ ​mano.​ ​Elaboración​ ​propia.

Figura​ ​5.​​ ​Resultante​ ​de​ ​la​ ​etapa​ ​de​ ​registro.​ ​Elaboración​ ​propia.

Tabla​ ​3.​​ ​Información​ ​de​ ​las​ ​tareas​ ​a​ ​realizar​ ​en​ ​el​ ​cuarto​ ​y​ ​quinto​ ​sprint.
Sprint Review/ Sprint Backlog Criterio de Responsables
Planning aceptación

Sprint​ ​4​ ​y​ ​5

[NF] Crear una La imagen debe tener OBF

Basados en los máscara a partir de únicamente la
resultados del sprint una de las imágenes información del objeto
tres se determinó que brindadas por el de​ ​estudio
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
el curso que debería beneficiario.
tomar la
implementación es [F] Implementar una Debe realizar JJLT
alinear cada una de función que aplique desplazamientos,
las imágenes con una transformaciones cizallamientos,
máscara utilizando elásticas escalamientos y
Información mutua, rotaciones
descenso de gradiente
y transformaciones [F] Implementar una La función debe OBF
afines​ ​y​ ​elásticas función que registre registrar primero con
primero con transformaciones
transformaciones afines y luego con
afines y luego con transformaciones
transformaciones elásticas
elásticas

Sexto​ ​sprint​ ​(primera​ ​semana)

En el sexto sprint, al observar que las imágenes recibidas hasta el momento presentaban
distribuciones de intensidad bastante similares, la idea fue generar un histograma conjunto a partir de
una imagen y una máscara perfectamente alineada (con la imagen) que serviría como referencia
para la métrica de similitud de Kullback-Leibler; Sin embargo, para este punto el beneficiario
proporcionó 31,158 nuevas imágenes con características muy distintas, lo que descartó este
enfoque.

Figura​ ​6.​​ ​Muestra​ ​de​ ​nuevas​ ​imágenes​ ​y​ ​sus​ ​notables​ ​diferencias.​ ​Elaboración​ ​propia.

Sexto​ ​sprint​ ​(segunda​ ​semana)

Debido al problema antes mencionado se optó por un enfoque más simple el cual consiste en
únicamente registrar los puntos de control establecidos por un usuario. La hipótesis es que debido a
que la frecuencia de muestreo es bastante alta los puntos de control varían muy poco su posición
entre cuadros consecutivos. El tipo de transformaciones que se usaron fueron traslaciones. Como
métrica de disimilitud se usó el error cuadrático medio y como algoritmo de optimización descenso de
gradiente. Los resultados que se obtuvieron con este enfoque parecen ser prometedores. Siempre y
cuando el punto de interés se ubique centrado en una región con suficiente información (textura),
esta técnica permite realizar un buen seguimiento. Se pueden apreciar los resultados en las
imágenes​ ​que​ ​van​ ​desde​ ​la​ ​Figura​ ​7​ ​hasta​ ​la​ ​Figura​ ​14.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Figura​ ​7.​​ ​Comparación​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​entre​ ​la​ ​primera​ ​imagen​ ​y​ ​su​ ​ubicación​ ​determinada
por​ ​el​ ​método​ ​de​ ​registro​ ​en​ ​la​ ​última​ ​imagen​ ​de​ ​una​ ​secuencia.​ ​Elaboración​ ​propia.

Figura​ ​8.​​ ​Figura​ ​que​ ​muestra​ ​el​ ​desplazamiento​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​mostrados​ ​en​ ​la​ ​Figura​ ​7,
en​ ​azul​ ​los​ ​puntos​ ​de​ ​control​ ​de​ ​la​ ​primera​ ​imagen​ ​y​ ​en​ ​rojo​ ​los​ ​puntos​ ​de​ ​control​ ​en​ ​la​ ​segunda.
Elaboración​ ​propia.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Figura​ ​9.​​ ​Comparación​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​entre​ ​la​ ​primera​ ​imagen​ ​y​ ​su​ ​ubicación​ ​determinada
por​ ​el​ ​método​ ​de​ ​registro​ ​en​ ​la​ ​última​ ​imagen​ ​de​ ​una​ ​secuencia.​ ​Elaboración​ ​propia.

Figura​ ​10.​​ ​Figura​ ​que​ ​muestra​ ​el​ ​desplazamiento​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​mostrados​ ​en​ ​la​ ​Figura​ ​9,
en​ ​azul​ ​los​ ​puntos​ ​de​ ​control​ ​de​ ​la​ ​primera​ ​imagen​ ​y​ ​en​ ​rojo​ ​los​ ​puntos​ ​de​ ​control​ ​en​ ​la​ ​segunda.
Elaboración​ ​propia.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Figura​ ​11.​​ ​Comparación​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​entre​ ​la​ ​primera​ ​imagen​ ​y​ ​su​ ​ubicación​ ​determinada
por​ ​el​ ​método​ ​de​ ​registro​ ​en​ ​la​ ​última​ ​imagen​ ​de​ ​una​ ​secuencia.​ ​Elaboración​ ​propia.

Figura​ ​12.​​ ​Figura​ ​que​ ​muestra​ ​el​ ​desplazamiento​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​mostrados​ ​en​ ​la​ ​Figura​ ​11,
en​ ​azul​ ​los​ ​puntos​ ​de​ ​control​ ​de​ ​la​ ​primera​ ​imagen​ ​y​ ​en​ ​rojo​ ​los​ ​puntos​ ​de​ ​control​ ​en​ ​la​ ​segunda.
Elaboración​ ​propia.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Figura​ ​13.​ ​Comparación​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​entre​ ​la​ ​primera​ ​imagen​ ​y​ ​su​ ​ubicación​ ​determinada
por​ ​el​ ​método​ ​de​ ​registro​ ​en​ ​la​ ​última​ ​imagen​ ​de​ ​una​ ​secuencia.​ ​Elaboración​ ​propia.

Figura​ ​14.​​ ​Figura​ ​que​ ​muestra​ ​el​ ​desplazamiento​ ​de​ ​los​ ​puntos​ ​de​ ​control​ ​mostrados​ ​en​ ​la​ ​Figura​ ​13,
en​ ​azul​ ​los​ ​puntos​ ​de​ ​control​ ​de​ ​la​ ​primera​ ​imagen​ ​y​ ​en​ ​rojo​ ​los​ ​puntos​ ​de​ ​control​ ​en​ ​la​ ​segunda.
Elaboración​ ​propia.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
Tabla​ ​4.​​ ​Información​ ​de​ ​las​ ​tareas​ ​a​ ​realizar​ ​en​ ​el​ ​sexto​ ​sprint.
Sprint Review/ Sprint Backlog Criterio de Responsables
Planning aceptación

Sprint​ ​6

Basados en los [F] Implementar una Debe calcular las

resultados del sprint función que determine diferencias entre dos JJLT​ ​-​ ​OBF
cinco se optó por la similitud entre dos imágenes y regresar
utilizar la métrica de imágenes usando un​ ​valor​ ​numérico
similitud multimodal de Kullback-Leibler
Kullback-Leibler, un
algoritmo de [F] Implementar una Debe realizar JJLT​ ​-​ ​OBF
optimización de función que realice únicamente
descenso de gradiente desplazamientos en desplazamientos.
y únicamente una​ ​imagen
desplazamientos.

Se proporcionaron más de 30,000 imágenes de pacientes a los que se les realizó el estudio,
existían muchas discrepancias entre los estudios de un paciente y otro por lo que esté enfoque y
los​ ​anteriores​ ​fueron​ ​descartados.

Debido a que la toma [F] Implementar una Debe calcular las JJLT​ ​-​ ​OBF
de imágenes no está función que mida la diferencias entre dos
estandarizada y las disimilitud entre dos imágenes y regresar
características de las imágenes usando la un​ ​valor​ ​numérico
imágenes difieren restricción de flujo
mucho en cuanto a la óptico
frecuencia de
muestreo, nitidez,
información útil del
objeto de estudio, etc,
se decidió abordar un
enfoque nuevo. Este
enfoque consiste en
tomar los puntos de
interés
proporcionados por el
médico y hacer el
seguimiento a lo largo
del set de imágenes
usando
transformaciones
afines y una métrica
de​ ​similitud​ ​de​ ​ECM

Resultados​ ​y​ ​Conclusiones

La última técnica implementada fue probada en 9 tipos de secuencias de imágenes de diferentes
pacientes con características distintas y con diversos puntos posicionados en posibles áreas de
interés​ ​como​ ​las​ ​uñas,​ ​arterias​ ​visibles​ ​y​ ​manchas.​ ​Podemos​ ​apreciar​ ​los​ ​resultados​ ​en​ ​la​ ​Tabla​ ​5.
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Tabla​ ​5.​​ ​Comparación​ ​de​ ​resultados​ ​obtenidos​ ​en​ ​la​ ​implementación​ ​de​ ​la​ ​técnica​ ​de​ ​registro​ ​en​ ​9
sets​ ​distintos​ ​de​ ​imágenes.
Número
de Puntos
imágenes de Tasa​ ​de
Muestra en​ ​el​ ​set control Exitosos Fallidos éxito Razón​ ​de​ ​fallo
No​ ​hay​ ​información​ ​suficiente
1 13 7 3 4 0,42 (textura)
2 1246 5 5 0 1
No​ ​hay​ ​información​ ​suficiente
3 10 6 4 2 0,66 (zonas​ ​muy​ ​homogéneas).
Aparece​ ​nueva​ ​información.
Cambio​ ​drástico​ ​de​ ​información
4 191 6 2 4 0,33 entre​ ​frames
5 228 5 5 0 1
6 11 4 4 0 1
No​ ​hay​ ​información​ ​suficiente
7 11 6 5 1 0,83 (zonas​ ​muy​ ​homogéneas).
No​ ​hay​ ​información​ ​suficiente
8 11 8 6 2 0,75 (zonas​ ​muy​ ​homogéneas).
No​ ​hay​ ​información​ ​suficiente
9 21 7 6 1 0,85 (zonas​ ​muy​ ​homogéneas).

La tasa media de éxito obtenida en estas pruebas fue de 76%. Las razones de fallo son atribuidas a
el posicionamiento de los puntos de control sobre regiones muy homogéneas o la
aparición/desaparición abrupta de información entre cuadros consecutivos como se puede apreciar
en​ ​la​ ​Figura​ ​15​ ​a​ ​la​ ​altura​ ​de​ ​la​ ​uña​ ​del​ ​dedo​ ​medio​ ​(aparición​ ​de​ ​una​ ​mancha​ ​de​ ​calor).

Figura​ ​15​ ​.​ ​ ​Aparición​ ​de​ ​nueva​ ​información​ ​en​ ​cuadros​ ​consecutivos.​ ​Elaboración​ ​propia
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO

Discusión​ ​(trabajo​ ​a​ ​futuro)

Como se pudo apreciar en el apartado de resultados, la técnica de registro propuesta presenta
dificultades​ ​para​ ​registrar​ ​correctamente​ ​puntos​ ​de​ ​control​ ​cuando:
1. Los puntos de control son puestos sobre zonas homogéneas que carecen de textura e
información.
2. Aparece​ ​o​ ​desaparece​ ​información​ ​entre​ ​cuadros​ ​consecutivos.
Una posible solución para el punto 1 (zonas sin rasgos) podría ser la inclusión de una técnica de
preprocesamiento llamada difusión del campo vectorial del gradiente. A grandes rasgos esta técnica
calcula el gradiente de una imágen y mediante técnicas basadas en difusión de calor propaga está
información​ ​a​ ​puntos​ ​cercanos​ ​a​ ​los​ ​bordes.

Referencias​ ​bibliográficas
Affine and Projective Transformations - Graphics Mill 5.5 for .NET. (n.d.). Retrieved September 8,
2017,​ ​from​ ​https://www.graphicsmill.com/docs/gm5/Transformations.htm

Brown, L. G. (1992). A Survey of Image Registration Techniques. ACM Comput. Surv., 24(4),
325–376.​ ​https://doi.org/10.1145/146370.146374

Dros, J., Wewerinke, A., Bindels, P. J., & van Weert, H. C. (2009). Accuracy of monofilament testing
to diagnose peripheral neuropathy: a systematic review. Annals of Family Medicine, 7(6), 555–558.
https://doi.org/10.1370/afm.1016

Espejo, V. M. A., & Jiménez, J. G. (2008). Registro de imÃ!` genes mediante transformaciones
lineales por trozos. ACM Computing Surveys. Retrieved from
http://mapir.isa.uma.es/varevalo/drafts/arevalo2008PhD.pdf

FernándezIII, M. T., & MontequínIV, J. I. F. (2009). Manual para la prevención, diagnóstico y

tratamiento del pie diabético. Revista Cubana de Angiología Y Cirugía Vascular, 10(1), 42–96.
Retrieved​ ​from​ ​http://www.bvs.sld.cu/revistas/ang/vol10_1_09/ang06109.pdf

How Transform (Coverage) works. (n.d.). Retrieved September 8, 2017, from

http://resources.esri.com/help/9.3/arcgisengine/java/gp_toolref/coverage_tools/how_transform_covera
ge_works.htm

Jeffcoate, W. J., Macfarlane, R. M., & Fletcher, E. M. (1993). The description and classification of
diabetic foot lesions. Diabetic Medicine: A Journal of the British Diabetic Association, 10(7), 676–679.
Retrieved​ ​from​ ​https://www.ncbi.nlm.nih.gov/pubmed/8403832

Khanolkar, M. P., Bain, S. C., & Stephens, J. W. (2008). The diabetic foot. QJM: Monthly Journal of
the​ ​Association​ ​of​ ​Physicians,​ ​101(9),​ ​685–695.​ ​https://doi.org/10.1093/qjmed/hcn027

Kosiński, W., Michalak, P., & Gut, P. (2012). Robust image registration based on mutual information
measure. Journal of Signal and Information. Retrieved from
http://file.scirp.org/pdf/JSIP20120200005_70217955.pdf

OMS | Datos y cifras sobre la diabetes: infografías. (2016). Retrieved from

http://www.who.int/diabetes/infographic/es/
 ​ ​ ​Departamento​ ​de​ ​Ciencias​ ​Básicas​ ​e​ ​Ingenierías
IT0427​ ​/​ ​Proyecto​ ​terminal

INFORME​ ​TÉCNICO
Pinilla, A. E., Barrera, M. del P., Rubio Ramos, C., & Devia, D. (2014). Actividades de prevención y
factores de riesgo en diabetes mellitus y pie diabético. Acta Médica Colombiana, 39(3). Retrieved
from​ ​http://www.redalyc.org/html/1631/163132480008/

Sheehan, P. (2004). Peripheral Arterial Disease in People With Diabetes: Consensus Statement
Recommends Screening. Clinical Diabetes: A Publication of the American Diabetes Association,
22(4),​ ​179–180.​ ​https://doi.org/10.2337/diaclin.22.4.179
Sutherland, J., & Schwaber, K. (2011). The scrum papers: nut, bolts, and origins of an Agile
framework.​ ​SCRUM​ ​Training​ ​Institute,​ ​152.

Wikipedia contributors. (2017a, July 3). Hill climbing. Retrieved September 6, 2017, from
https://en.wikipedia.org/w/index.php?title=Hill_climbing&oldid=788734700

Wikipedia contributors. (2017b, September 2). Gradient descent. Retrieved September 6, 2017, from
https://en.wikipedia.org/w/index.php?title=Gradient_descent&oldid=798537641

Wikipedia contributors. (2017c, November 14).Ciclo de la investigación científica. Retrieved

September 6, 2017, from
https://es.wikipedia.org/wiki/Ciclo_de_la_investigaci%C3%B3n_cient%C3%ADfica

Wikipedia contributors. (2017d, October 31).Método empírico-analítico. Retrieved September 6, 2017,

from​ ​https://es.wikipedia.org/wiki/M%C3%A9todo_emp%C3%ADrico-anal%C3%ADtico

Proyectos ágiles. (n.d.).Base de conocimiento. Retrieved September 6, 2017, from

https://proyectosagiles.org/base-conocimiento-agil

How Transform (Coverage) works. (n.d.). Transformaciones afines [Figura 1]. from
http://resources.esri.com/help/9.3/arcgisengine/java/gp_toolref/coverage_tools/how_transform_covera
ge_works.htm

Affine​ ​and​ ​Projective​ ​Transformations.​ ​(n.d.).​ ​transformaciones​ ​proyectivas​ ​y​ ​afines​ ​[Figura​ ​2].​ ​from
​ ​https://www.graphicsmill.com/docs/gm5/Transformations.htm

Productos​ ​obtenidos
Debido a la seriedad del proyecto y a que las imágenes son de pacientes reales y se encuentran
contenidos en el repositorio del proyecto, para poder acceder al código fuente se debe solicitar el
acceso a Juan José López Tugores en la dirección de correo electrónico ​tugorez@gmail.com con el
asunto​ ​“Proyecto​ ​de​ ​registro​ ​para​ ​pacientes​ ​con​ ​sdp”​ ​y​ ​describir​ ​la​ ​naturaleza​ ​de​ ​la​ ​petición.

Anexos
El proyecto presentado en este documento es una colaboración con el Dr. Arturo González Vega
quien es Profesor de tiempo completo en el Departamento de Ingenierías, Química, Electrónica y
Biomédica​ ​en​ ​la​ ​División​ ​de​ ​Ciencias​ ​e​ ​Ingenierías,​ ​de​ ​la​ ​Universidad​ ​De​ ​Guanajuato.