Algoritmo para el diagnóstico preliminar de caries y área afectada del diente en base al algoritmo de búsqueda de pixeles y la librería Skimage

• Autores: Cuellar Pinedo, Juan Augusto, Peña Parco, Moisés Emmanuel
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/102700
• Enlace del recurso: https://hdl.handle.net/20.500.12692/102700
• Nivel de acceso: acceso abierto
• Materia: Aplicaciones para móviles; Algoritmos - Aplicación; Sistemas de información y comunicaciones; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación abarcó el desarrollo de un sistema experto para el diagnóstico preliminar de caries. El objetivo de la investigación fue determinar la precisión del diagnóstico teniendo en cuenta la especificidad y sensibilidad, asimismo, la eficiencia del sistema en base al tiempo. La investigación se llevó a cabo, a través del enfoque cuantitativo, diseño pre-experimental; además, para el estudio se utilizó una muestra de 200 imágenes, que cumplieron los criterios de inclusión: dientes con caries y los criterios de exclusión: dientes que no presentan caries. Por otra parte, la técnica de recolección de datos fue la observación y el instrumento fue el registro de observación de tipo estructurada. Los resultados referentes al efecto del algoritmo de búsqueda de pixeles y la librería Skimage en el diagnóstico preliminar de las caries evidenciaron una mejora de la sensibilidad a un 89.6% y la especificidad a un 93.3%. Ante ello, se concluyó que el diagnóstico de caries a través de un sistema experto mejoró el proceso de diagnóstico de los pacientes del servicio de odontología en comparación con el proceso de diagnóstico tradicional. Finalmente, se recomendó elaborar nuevos algoritmos fusionando algoritmos existentes para lograr una mejor precisión en el diagnóstico de caries, tales como: el algoritmo de red neuronal artificial RNA y el algoritmo de aprendizaje profundo, ya que estos algoritmos ayudarán a nuevos proyectos ser más exactos en la detección de caries.