Resumen

Las quemaduras son la cuarta causa de muerte a nivel mundial dentro de las muertes accidentales. Estos sucesos sólo representan una pequeña parte del total de casos, ya que muchas de las quemaduras no se registran porque no se atienden en los hospitales. Las quemaduras son dinámicas, lo que significa que pueden evolucionar con el tiempo. Estas lesiones pueden recuperarse totalmente si reciben un tratamiento rápido y oportuno. Actualmente, los métodos utilizados en los hospitales para diagnosticar y establecer un tratamiento se basan en tablas de aproximación y en la experiencia de los médicos. Esto puede resultar problemático, sobre todo cuando los cirujanos no están disponibles. Muchos investigadores en visión artificial han propuesto modelos para ayudar a determinar la profundidad de la herida. Un problema constante ha sido la falta de bases de datos públicas, por lo que, varios autores se ven en la necesidad de usar bases de datos pequeñas. Otro problema es la falta de comparación objetiva entre modelos derivados del uso de diferentes bases de datos. En esta tesis se propone una base de datos pública que puede ser utilizada por otros autores para investigación. Por otro lado, se creó un modelo basado en aprendizaje automático interactivo para reconocer quemaduras y clasificarlas, así como para dar un posible tratamiento. Esta tesis combina diferentes modelos para clasificar el grado de quemadura y medir el área afectada. Se implementan técnicas basadas en representación dispersa. Se utilizan Diccionarios Sobre-redundantes para obtener un modelo de segmentación y clasificación con una sensibilidad del 95,65% y una precisión del 94,02%. Los experimentos se realizaron con dos métodos para la fase de construcción de los diccionarios.

Abstract

Burns are the fourth leading cause of accidental death worldwide. These events represent only a small part of the total number of cases, as many burns go unrecorded because they are not treated in hospitals. Burns are dynamic, meaning that they can evolve over time. These injuries can be fully recovered if they receive prompt and timely treatment. Currently, the methods used in hospitals to diagnose and establish treatment are based on proxy tables and the experience of doctors. This can be problematic, especially when surgeons are not available. Many computer vision researchers have proposed models to help determine wound depth. A constant problem has been the lack of public databases, so several authors need small databases. Another problem is the lack of objective comparison between models derived from the use of different databases. In this thesis, a public database is proposed that can be used by other authors for research. On the other hand, a model based on interactive machine learning was created to recognize burns and classify them, as well as to give a possible treatment. This thesis combines different models to classify the degree of burns and measure the affected area. Sparse representation-based techniques are implemented. Overredundant dictionaries are used to obtain a segmentation and classification model with a sensitivity of 95.65% and an accuracy of 94.02%. Experiments were conducted with two methods for the dictionary construction phase.

Palabras clave: Clasificación de quemaduras, visión artificial, representación dispersa, clasificación basada en diccionarios sobreredundantes, análisis de imágenes.

Documento completo (archivo pdf, 5 mb)

Índice de contenido

Portada

Agradecimientos y Dedicatorias

Índices

Capítulo 1. Introducción

Capítulo 2. Quemaduras en piel humana

Capítulo 3. Estado del arte

Capítulo 4. Marco teórico y base de datos

Capítulo 5. Metodología

Capítulo 6. Resultados experimentales y discusión

Capítulo 7. Conclusiones

Referencias

Apéndice A. Términos usados

Apéndice B. Base de datos

Apéndice C. Publicaciones

Documento completo (archivo pdf, 5 mb)

Rangel Olvera, B. 2023. Detección y clasificación de quemaduras en piel humana analizando imágenes a color. Tesis Doctorado. Sistemas Inteligentes. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Mayo. Derechos Reservados © 2023.