Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras

RESUMEN: Introducción: La tecnología de inteligencia artificial y las redes neuronales convolucionales (RNC) son uno de los principales campos de investigación en el desarrollo de herramientas de apoyo en medicina, con potencial aplicación en el diagnóstico de quemaduras. Metodología: Se diseñó un modelo de RNC con una base de datos de 150 fotografías de pacientes hospitalizados en las unidades de quemados del Hospital Universitario San Vicente Fundación. Las fotografías fueron marcadas según grados de profundidad por 3 cirujanos plásticos con experiencia en el manejo de pacientes quemados y editadas en 466 imágenes, de las cuales 400 se clasificaron según el grado de profundidad y se destinaron al entrenamiento del modelo y 66 a la validación del mismo, estas últimas sin división según grado. Resultados: La base de datos incluyó 91 imágenes de segundo grado superficial, 200 imágenes de segundo grado profundo y 175 imágenes de tercer grado. La validación del modelo de RNC mostró una eficiencia del 84.85% para clasificación de quemaduras según profundidad, resultado acorde a la precisión descrita en la literatura para la evaluación clínica realizada por un cirujano plástico. Conclusiones: Es factible el diseño de un prototipo de herramienta de apoyo diagnóstico para la clasificación de quemaduras según profundidad, usando RNC.

• Autores: Ruiz Ruales, Anna Katherine
• Tipo de recurso: Tesis
• Fecha de publicación: 2021
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/20963
• Acceso en línea: http://hdl.handle.net/10495/20963
• Palabra clave: Quemaduras; Diagnóstico por imagen; Inteligencia artificial; Telemedicina; Diagnostic imaging; Burns; Telemedicine; Artificial intelligence; Redes neuronales convolucionales (RNC); http://id.nlm.nih.gov/mesh/D003952; http://id.nlm.nih.gov/mesh/D002056; http://id.nlm.nih.gov/mesh/D017216; http://id.nlm.nih.gov/mesh/D001185
• Rights: embargoedAccess
• License: http://purl.org/coar/access_right/c_f1cf