Upload
german-cruz-soto
View
3
Download
2
Embed Size (px)
DESCRIPTION
reporte sobre reflexion difusa, coreespondiente al area de la nanotecnologia
Citation preview
1
Universidad Politécnica de Sinaloa
Ingeniería en Nanotecnología
Tópicos de Nanociencias
Espectroscopia de reflexión difusa
Alumno:
Germán Cruz Soto
Profesor:
Dr. Eber Enrique Orozco Guillén
Mazatlán, Sinaloa, a 3 de marzo de 2015
2
Resumen
La espectroscopia de reflectancia difusa
es una técnica con la cual es posible
estudiar las propiedades bioquímicas y las
condiciones estructurales de un tejido
biológico analizando la interacción luz
tejido de una manera no invasiva. Por lo
anterior dicha técnica puede ser utilizada
en el diagnóstico y detección de lecciones
benignas y malignas.
Introducción
Espectroscopia de reflectancia difusa es
una técnica con la cual se puede estudiar
tejido biológico. Esta se basa en se basa en
recoger la radiación reflejada en todas
direcciones por superficies rugosas, en
este caso tejido biológico. Parte de la
radiación IR que incide sobre una muestra
se puede reflejar regularmente (es decir,
siguiendo las reglas de la reflexión); otra
parte se puede dispersar de forma difusa;
y una tercera parte puede ser absorbida
en el interior de la muestra o difractada
por los bordes de los granos, dando lugar
a más luz dispersada en todas direcciones.
En espectroscopia de reflexión difusa esto
no hay una relación lineal entre la
concentración de la muestra, por lo tanto,
el análisis cuantitativo por esta técnica no
es sencillo, si bien puede emplearse una
función empírica debida a Kubelka y Munk
que transforma los espectros de
reflectancia en espectros semejantes a los
de absorbancia clásicos. En estos
espectros corregidos sí se encuentra una
relación lineal entre la intensidad y la
concentración.
Para poder diagnosticar enfermedades
con este tipo de espectroscopia es
necesario algoritmos robustos que
permitan extraer las características más
importantes de la señal espectral y
correlacionarlas, tales algoritmos como el
WEKA usado para detectar lesiones
cancerígenas o el AdaBoostM1-Reptree,
el cual nos ayuda a diferenciar entre
imágenes con tejido precancerígeno y
tejido sano con una gran eficacia.
Materiales y Métodos
Para poder capturar los espectros es
necesario un cierto equipo como: un
espectrómetro USB4000, lámpara de
tungsteno HL 2000, sonda de fibra óptica
bifurcada y una computadora con el
software SpectraSuite, para poder
obtener el porcentaje de luz reflejada.
Una vez que ya se cuentan con los
espectros, estos se deben preparar para
los siguientes procesos. Uno de estos
procesos es normalizar los datos, para
evitar errores por variables de
magnitudes mayores a otras.
Mediante el uso de máquinas de vectores
de soporte, árboles aleatorios y redes
neuronales artificiales es que se clasifican
los espectros previamente obtenidos.
Las máquinas de vectores de soporte son
muy importantes durante el proceso de
clasificación debido a que construyen un
hiperplano o conjunto de hiperplanos en
un espacio de dimensionalidad muy alta
(o incluso infinita) que puede ser utilizado
en problemas de clasificación.
Los arboles de decisiones, los cuales son
un modelo de predicción que dada una
3
base de datos se construyen diagramas de
construcciones lógicas, en cada nodo se
realiza una consulta a una de las
características de un patrón con el
objetivo de asignarle una categoría.
Otro sistema importante de
procesamiento de información utilizado
son las redes neuronales las cuales son un
paradigma de aprendizaje y
procesamiento automático inspirado en
la forma en que funciona el sistema
nervioso de los animales. Se trata de un
sistema de interconexión de neuronas
que colaboran entre sí para producir un
estímulo de salida. Las unidades de
procesamiento reciben como entrada los
elementos del patrón con el que es
alimentada la red neuronal y estas
transmiten los elementos como señales a
la siguiente capa, el enlace entre cada
capa está afectado por un peso que
biológicamente representa el nivel de
sinapsis en la conexión [1].
Ya por último se utiliza el WEKA para
hacer las clasificaciones con las técnicas
usadas. El WEKA es una plataforma de
software para el aprendizaje automático y
la minería de datos, escrito en Java.
Mediante este software se realizan los
experimentos de reconocimientos
mediante el uso de los algoritmos de
clasificación que poseen aplicaciones
escritas en el lenguaje JAVA.
Resultados y discusión
Para poder promediar las métricas
arrojadas en cada una de las pruebas de
todos los resultados de cada algoritmo se
utiliza la validación cruzada con k=10
pliegues.
Y para poder evaluar la valides de la de los
modelos utilizados fue utilizado las
mediciones del porcentaje de
predicciones correctas, el área bajo la
curva ROC, el índice Kappa y el promedio
de la sensibilidad y el promedio de la
sensibilidad y especificidad de los
resultados.
Conclusión
Mediante la técnica de espectrometría de
reflexión difusa para reconocimiento de
patrones se espera mejorar la detección y
el tratamiento mediante técnicas no
invasivas de patologías tales como el
cáncer, el cual es de bajo costo y no es
necesario el ser un médico especializado
para llevarlo a cabo.
Y con esto se puede decir que la
espectroscopia junto con los algoritmos
de detección de patrones, son técnicas
muy útiles y eficaces las cuales lograran
una mejoría en la detección de distintos
tipos de cáncer.
Bibliografía
[1] Eber Enrique Orozco Guillén, Guillermo
Iruretagoyena Garcia, Sergio Vazquez y Montiel,
José Alberto Delgado-Atencio, Jorge Castro
Ramos, Francisco Gutierrez Delgado; Métodos de
clasificación para identificar lesiones en piel a
partir de espectros de reflexión difusión; Revista
Ingeniería Biomédica; volumen 4, número 8; julio-
diciembre 2010; págs. 34-40; Escuela de Ingeniería
de Antioquia-Universidad CES, Medellín, Colombia