medigraphic.com

2006, Número 2

<< Anterior Siguiente >>

Rev Mex Ing Biomed 2006; 27 (2)


Evaluación de tejido cervical infectado y sano utilizando un sistema LIFS y una red neuronal Back-Propagation

Castillo AA, De La Rosa VJM, Calva CPA, Franco LEB, Torres MR, Álvarez DR, De La Rosa GG, Romero GMB

Idioma: Ingles.
Referencias bibliográficas: 15
Paginas: 68-73
Archivo PDF: 187.50 Kb.


RESUMEN

La espectroscopia de inducción de fluorescencia con láser (LIFS) es una técnica recientemente usada para detectar cáncer in vivo o in vitro. En este trabajo se usa esta técnica para analizar y diagnosticar muestras de tejido cervical preparadas para su evaluación histológica. Debido a que los espectros de fluorescencia son muestra a muestra y punto a punto diferentes (a pesar de ser clasificados como iguales por medio de su evaluación histológica) no resulta simple determinar las relaciones básicas de los datos medidos. Por lo cual se usa una red neuronal artificial del tipo “back-propagation” para detectar estas relaciones. La validación del sistema se realizó con 5 diferentes muestras y se obtuvo una coincidencia del 100% entre la clasificación realizada por ésta y la realizada por el proceso histológico normal. El sistema LIFS trabaja con pulsos de 5 μJ (tFWHM = 3.8ns a 227.1nm) provenientes de un láser de N2 y los espectros de 350 a 650 nm fueron procesados y evaluados en una computadora personal.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Secretaría de Salud. México. Epidemiología 2006; 1(23): 1-7.

  2. Lazcano-Ponce E, Herrero R, Muñoz N, Cruz A, Shah KVK, Alonso P, Hernández P, Salmerón J, Hernández M. Epidemiology of HPV infection among Mexican women with normal cervical cytology. International Journal of Cancer 2001; 91(3): 412-420.

  3. International Agency for Research on Cancer, Globocan 2002 database. http://www-dep.iarc.fr/GLOBOCAN/table2.asp?cancer=142®ion=99&sex=2&sort=1.

  4. Tumer K, Ramanujam N, Ghosh J, Richards-Kortum R. Ensembles of radial basis function networks for spectroscopic detection of cervical precancer. IEEE Transactions of Biomedical Engineering 1998; 45(8): 953-961.

  5. Mitchell MF. Accuracy of colposcopy. Clinical consultations in obstetrics and gynecology. 1994; 6(1): 70-73.

  6. Majumder SK, Kumar R, Gosh NP, Gupta PK. Cancer diagnosis using N2 laser excited autofluorescence spectroscopy of formalin-fixed human tissue” Conference Proceedings of Photonics 2004. http://eel.inst.ac.ir/Sadr/Papers/bio4.pdf

  7. Briokner CJ, Follen M, Boiko I, Galvan J, Thomsen S, Malpica A, Suzuki S, Lotan R, Richards-Kortum R. Autofluorescence patterns in short-term cultures of normal cervical tissue. Photochemistry and Photobiology 2000; 71(6): 730-736.

  8. De la Rosa J, Bautista FJ. Optical properties of paper at 337.1 nm. Revista Mexicana de Física 2005; 51(1): 110-113.

  9. Fang Q, Papaioannou T, Jo JA, Vaitha R, Shastry RK, Marcu L. Time-domain laser-induced fluorescence spectroscopy apparatus for clinical diagnostics. Review of Scientific Instruments 2004; 75(1): 151-162.

  10. Glassman WS, Liu CH, Tang GC, Lubicz S, Alfano RR. Ultraviolet excited fluorescence spectra from non-malignant and malignant tissues of the gynecological tract. Lasers in the Life Sciences 1992; 5(1-2): 49-58.

  11. Batuello TJ, Crawford ED. Artificial neural networks in prostate cancer. Lab. Medica International 2001; 18(3): 10-11.

  12. Bishop CM. Neural networks for pattern recognition, Oxford University Press Inc., New York, 1995.

  13. Hagan M, Demuth H, Beale M. Neural network design, PWS, Publishing Company, Boston, 1996.

  14. Rojas R. Neural networks, a systematic introduction. Springer, Berlin, 1996.

  15. Álvarez R, Franco EB, Torres R. Sistema auxiliar para el diagnóstico de carcinoma epidermoide invasor en tejido cérvix empleando tecnología láser. Trabajo terminal No. 633, ESCOM-IPN, 2005.




2020     |     www.medigraphic.com