Work package 1

Aplicación de teléfono inteligente

Diseño de aplicaciones para teléfonos inteligentes A1 para detectar hipertermia y analizar variaciones térmicas de la superficie de la planta del pie a través del tiempo.

Trabajo previo de nuestro grupo: Un grupo internacional de investigación (Universidad de Orleans junto con el hospital Orleans, la Pontificia Universidad Católica de Perú (PUCP) en Lima, el Hospital Nacional Dos de Mayo (HNDM) en Lima y la Pontificia Universidad Javeriana de Bogotá) han propuesto un sistema basado en imagen térmica para detectar hipertermia en la superficie de la planta del pie en DF. Éste fue evaluado clínicamente el 2013 en HNDM.

El protocolo resumido fue el siguiente. Al paciente se le debe dar suficiente tiempo para equilibrar la temperatura de su pie con las condiciones ambientales: se debe observar un período mínimo de 15 minutos. Una enfermera experimentada se encarga del paciente. La cámara Flir i5 fue elegida porque tiene una buena relación rendimiento y costo (Figura 1.A).

Se usó una espuma de plástico de alrededor de 1 metro cuadrado y 10 cm de espesor para garantizar un fondo homogéneo en la imagen final: se hicieron 2 agujeros en la espuma plástica en la que los pies del paciente pueden atravesarla. La cámara fue colocada en un trípode. Este protocolo permite obtener una imagen de buena calidad de la superficie de la planta del pie (Figura 1.B).

Flir i5 thermal camera picture
Figura 1.A: Cámara térmica Flir i5.
Thermal image of the plantar foot
Figura 1.B: Imagen térmica de la superficie del pie plantar usando el protocolo descrito.
Segmented feet picture
Figura 1.C: Pies segmentados (líneas rojas). El pie izquierdo se voltea verticalmente.

Hemos desarrollado un método automático de procesamiento de imágenes (no se necesita intervención manual por parte del usuario) para señalar una posible hipertermia. La segmentación, es decir, encontrar los contornos de ambos pies se lleva a cabo utilizando el método de contorno activo de Chan y Vese basado en conjuntos de niveles [CHA- 01]. Los resultados se presentan en la Figura 1.C. Las dos últimas imágenes se registran utilizando el método de registro rígido ICP [BES-92] (Figura 2.A). La diferencia absoluta punto a punto entre las imágenes del pie derecho y el pie izquierdo se calcula y el resultado se ilustra en la figura 2.B. Si la diferencia es mayor a 2.2 ° C, está presente una hipertermia, que es el caso en la imagen presentada Figura 2.C. De lo contrario, no hay hipertermia.

Registration picture
Figura 2.A: Registro.
Difference image between the 2 feet.
Figura 2.B: Imagen de diferencia de punto a punto entre los 2 pies.
Final contour and hyperthermia picture
Figura 2.C: Contorno final e hipertermia (en color rojo).

Este enfoque es nuevo en el dominio del análisis térmico del DF, ya que es la primera vez que sabemos que la hipertermia del pie se puede detectar de una manera tan eficiente utilizando una cámara térmica y un software totalmente automático. Se realizó un estudio clínico transversal en una población de 85 pacientes con DF. 9 imágenes de 85 muestran hipertermia. Este trabajo ha sido publicado en la conferencia IEEE EMBC en 2014 en Chicago [VIL-14], en la conferencia WC2015 en Toronto [VIL-15] y en EMBC en Orlando 2016 [KOC-16].


Enfoque del proyecto STANDUP: En el proyecto STANDUP, tenemos la intención de ir más allá y proponer una tecnología eficiente y amigable basada en teléfonos inteligentes para detectar la hipertermia del pie y crear una nueva herramienta avanzada para una mejor prevención de la úlcera DF.

El protocolo de adquisición debe simplificarse para llegar a una amplia gama de usuarios finales. En primer lugar, la espuma plástica que asegura un fondo homogéneo no es amigable para el personal médico y el paciente. Será descartado. En segundo lugar, la imagen térmica se tomará de forma manual ya que se usará un sistema de teléfono inteligente. Con este protocolo de adquisición simplificado, la imagen resultante sufrirá pequeñas variaciones geométricas de una imagen a otra, y será muy ruidosa (el ruido es cualquier otro punto caliente que no sea una región de la planta del pie) como muestra la Figura 3B en el medio. Se puede comparar con la imagen cuando se usa el protocolo anterior con la espuma plástica (Figura 3A lado izquierdo).

thermal foot analysis
Figura 3.A: Imagen térmica usando el protocolo anterior.
thermal foot analysis
Figura 3.B: Imagen con ruido térmico cuando se usa el nuevo protocolo simplificado.
thermal foot analysis
Figura 3.C: Resultados preliminares de la segmentación: la línea verde es la verdad del suelo, el método de la línea azul es la método snake, la línea roja snake&+atlas método.

Las pequeñas distorsiones geométricas tendrán un impacto insignificante en la segmentación. Sin embargo, la segmentación automática de este tipo de imagen ruidosa es un problema difícil ya que las estadísticas de ruido son similares a las de la superficie de la planta del pie. En algunas partes de la imagen, el ruido y las regiones de la planta del pie son vecinos. Los primeros intentos muestran que todos los métodos clásicos de segmentación ciega no pueden segmentar este tipo de imagen. El enfoque propuesto deberá incorporar información a priori sobre la forma de la planta del pie. Un atlas de la planta del pie se desarrollará para este propósito. La idea de utilizar información a priori no es nueva en el dominio de imágenes médicas [SHA-11].

Este atlas se asociará al método Snake de Kass y Thersopoulos [KAS-88] porque es un método eficiente. Además, produce un único contorno que se requiere en el presente caso. Una serpiente es un contorno paramétrico que se deforma en una serie de iteraciones para alcanzar el contorno objetivo. El nivel de novedad en el proyecto STANDUP será asociar serpientes y atlas que ayudarán a guiar a la serpiente a los contornos específicos durante la deformación de la serpiente. Los prometedores resultados recientes de segmentación se muestran en el lado derecho de Figura 3C. El nuevo método (línea roja) está muy cerca de la verdadera referencia (línea verde), mientras que el clásico Chan y Vese (línea azul) no segmenta correctamente la imagen. También tomaremos las ventajas de las imágenes hiperespectrales (tanto térmicas como de color) dado que una imagen térmica y una de color están disponibles como se explica más adelante en este WP. Toda la información contenida en el dominio hiperespectral será de interés para desarrollar un algoritmo de segmentación automática y robusta para imágenes térmicas de la planta del pie ruidosas.

Una vez segmentados los pies, se puede evaluar la hipertermia como se explicó previamente en la sección "trabajo previo de nuestro grupo", es decir, detectar diferencias punto a punto mayores a 2.2 ° C. Tenemos la intención de ir más allá en el proyecto STANDUP y desarrollar una herramienta avanzada totalmente nueva en el dominio. Usando la segmentación automática de la superficie de la planta del pie como se describió anteriormente, una prueba de estrés por frío [BAL-12] se asociará a un análisis regional que resultará en un análisis de DF avanzado. Con respecto a la prueba de estrés por frío, primero se toma una imagen térmica como línea base después de aclimatar al paciente durante 15 minutos. Los pies están sumergidos, protegidos con plástico fino, durante 60 segundos, en agua fría a 15 ° C. Después de 10 minutos, se registra una nueva imagen térmica plantar. La temperatura plantar se comparará entre las dos imágenes térmicas (imagen de línea de base e imagen tomada 10 minutos después de la prueba de estrés por frío).

Una diferencia de temperatura mayor que 0,4 ° C se considera anormal [BAL-12]. Presentaremos en el proyecto STANDUP una nueva estrategia para organizar de manera inteligente la información presente en las imágenes térmicas de la planta del pie, concretamente mediante el uso de diferentes regiones de intereses (ROI) adaptadas a objetivos específicos. Se considerarán 3 tipos de ROI de la planta del pie: (i) El primer tipo de ROI son las regiones angiosómicas [NAG-11] (Figura 4.A). Éste define la ROI de la superficie plantar del pie irrigada por varias arterias. Es posible segmentar la imagen original en varios ROI correspondientes a los angiosomas del pie. Las variaciones térmicas durante el estrés por frío en estas regiones específicas pueden aportar información valiosa sobre la isquemia. (ii) Se puede considerar otro tipo de ROI. La organización nerviosa también será de interés [BAL-12] (Figura 4.B). La segmentación adaptada puede detectar regiones que tienen problemas de termorregulación posiblemente relacionados con la neuropatía. Este enfoque que se basa en la organización de los nervios para detectar la neuropatía es una nueva contribución en el dominio del análisis DF. (iii) Se puede definir un tercer tipo de ROI. Corresponde a zonas fisiológicas estrechamente relacionadas con las tensiones mecánicas al caminar o correr, por ejemplo [SUN-06] (Figura 4.C). Es posible medir variaciones térmicas en estas regiones. Éstas serán utilizadas para estudiar las relaciones entre la tensión mecánica y variaciones térmicas.

foot diagram
Figura 4.A: El angiosoma de la superficie del pie plantar izquierdo. MPA: arteria plantar medial, LPA: arteria plantar lateral, MCA: arteria calcaneal medial, LCA: arteria calcánea lateral.
foot surface diagram
Figura 4.B: La organización nerviosa de la superficie del pie plantar con respecto a varios nervios.
thermal foot analysis
Figura 4.C: Zonas fisiológicas de la superficie del pie plantar.

La prueba de estrés por frío asociada al análisis térmico inteligente basado en ROI dará como resultado un análisis DF avanzado, es decir, un nuevo método para ayudar a diagnosticar la isquemia y la neuropatía del pie para acceder a regiones de estrés térmico relacionadas con la mecánica. Recientemente (2015), la empresa Flir ha desarrollado una nueva cámara térmica (FlirOne). Permite a un teléfono inteligente tomar una imagen térmica y una imagen en color al mismo tiempo y en la misma posición [FLI-16]. El uso de un sistema basado en un teléfono inteligente con la cámara térmica FlirOne resulta en el hecho de que el análisis descrito anteriormente se puede lograr con el teléfono inteligente.

El análisis será muy amigable, es decir, móvil, instantáneo, fácil de compartir y económico. De hecho, el costo de la cámara FlirOne es muy bajo, 280 euros hoy (2017). Es muy probable que este dispositivo sea mucho más barato en el futuro cercano. La cámara FlirOne y un teléfono inteligente moderno serán los sistemas elegidos en el proyecto STANDUP para adquirir, procesar y compartir los datos. Sin embargo, debemos asegurarnos de que las características de la cámara térmica FlirOne y las especificaciones técnicas de los teléfonos inteligentes modernos sean compatibles con las aplicaciones específicas de STANDUP.

thermal camera for smartphone flirone
Cámara térmica FlirOne y iPhone 7 asociados en un solo sistema.

Los principales requisitos de la cámara térmica son los siguientes. Resolución: la longitud del pie en la dimensión vertical que consideramos es de 30 cm. El campo de visión será de 40 cm: 30 cm para el pie más un margen de 10 cm. En la dirección horizontal, 40 cm es suficiente para contener tanto el ancho de los pies como un margen. El campo de visión es por lo tanto de 40 × 40 cm2. Las áreas más pequeñas que consideramos son de 1 cm para una pequeña región de hipertermia. El número de puntos de medición de la cámara debería ser suficiente para detectar estas áreas. De acuerdo con el primer teorema de Shannon y el valor utilizado en el procesamiento de imágenes desde un punto de vista práctico, se necesitan 2 píxeles en cada dirección para ver este pequeño patrón. Significa que cualquier cámara con más de 80 × 80 píxeles es adecuada. Sensibilidad: los gradientes térmicos que queremos detectar son de 0.4 °C para la prueba de estrés térmico y 2.2 ° C si consideramos la detección de hipertermia. Por lo tanto, una sensibilidad de 0.13 °C es suficiente para que la cámara detecte estas posibles variaciones que son de interés. Rango espectral: la temperatura promedio de la piel de una persona sana en condiciones normales es de 32 ° C. De acuerdo con la ley de Wien, se relaciona con un número de longitud de onda máxima de 9.5 μm.


thermal camera flirone
Cámara térmica FlirOne.

Las especificaciones técnicas de la cámara térmica FlirOne son:

La cámara térmica FlirOne es adecuada para los objetivos específicos del proyecto STANDUP.

Hoy en día, las computadoras portátiles pueden manejar la aplicación A1 que pretendemos desarrollar (los resultados en Figura 3 lado derecho C se obtuvieron en una computadora portátil). Éstas tienen en promedio procesadores octa-core de 64 bits, 4 GB de RAM, y la frecuencia de reloj es de alrededor de 2,3 GHz. Las especificaciones de los teléfonos inteligentes actuales son las siguientes: Samsung Galaxy S8: Procesador Samsung Exynos 8895, Número de núcleos: 8, Frecuencias: 2.3 / 1.7 GHz, 4 GB de RAM ; iPhone 8: procesador Apple A11, número de núcleos: 4 + frecuencia de GPU: 2,5 GHz, 3 GB de RAM. Demuestra claramente que hoy en día los teléfonos inteligentes pueden manejar nuestras aplicaciones específicas de alto procesamiento.

El trabajo a realizar en el STANDUP WP1 es el siguiente. La aplicación A1 descrita anteriormente se desarrollará por primera vez en lenguaje C ++ en computadoras portátiles. Se realizará en la Universidad de Orleans por un estudiante de doctorado que comenzó su tesis doctoral en octubre de 2016 bajo la supervisión de investigadores experimentados de la Universidad. Como segundo paso, éstos también estarán escritos en Java para Android e iOS. La respuesta de tiempo del software debe ser inferior a diez segundos.

El nivel de novedad presentado en este WP1 es alto (protocolo de adquisición amigable, segmentación automática que asocia serpiente / crecimiento, análisis multiespectral, 3 diferentes análisis regionales, prueba de estrés por frío, aplicación basada en un teléfono inteligente para un uso fácil y fácil intercambio de datos). Es un gran avance en el dominio del análisis de DF, especialmente si se lo compara con otras estrategias que usan un protocolo de adquisición complejo y sistemas de análisis no amigables [ARM-07] [VAN-15].

Feet thermal picture example 1.
Pies imagen ejemplo 1.
Feet thermal picture example 1.
Pies imagen ejemplo 2.
Regreso