Framework para la detección, segmentación y clasificación de imágenes digitales de heridas crónicas, en pacientes con pie diabetico

Abstract

En esta memoria se desarrolla un sistema automatizado para la segmentación y clasificación de imágenes de heridas crónicas en pacientes con pie diabético, utilizando tecnologías avanzadas de procesamiento de imágenes y aprendizaje automático. Empleando la arquitectura UNet, se logró una segmentación precisa de las heridas, con un Dice Score de 89.94 % y una precisión de 99.49 %. Además, se implementaron algoritmos de clasificación supervisados y no supervisados, destacando el uso de K-Means para el agrupamiento de imágenes segmentadas, obteniendo un valor promedio de silueta de 0.246 para K = 2. Estos resultados subrayan la capacidad de UNet para la segmentación de imágenes médicas y la efectividad de K-Means en la clasificación no supervisada. A pesar de las limitaciones del conjunto de datos, el estudio sugiere que la combinación de técnicas supervisadas y no supervisadas puede optimizar el análisis de imágenes médicas, ofreciendo una herramienta valiosa para aplicaciones clínicas y de investigación.

In this report, an automated system for the segmentation and classification of chronic wound images in diabetic foot patients is developed using advanced image processing and machine learning technologies. Using the UNet architecture, accurate wound segmentation was achieved, with a Dice Score of 89.94 % and an accuracy of 99.49 %. In addition, supervised and unsupervised classification algorithms were implemented, highlighting the use of K-Meansfor segmented image clustering, obtaining an average silhouette value of 0.246 for K = 2. These results underscore the capability of UNet for medical image segmentation and the effectiveness of K-Means in unsupervised classification. Despite the limitations of the data set, the study suggests that the combination of supervised and unsupervised techniques can optimize medical image analysis, offering a valuable tool for clinical and research applications.