Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel

  • Pablo Toledo Margalef
  • Pablo Navarro
  • Tábita Hünemeier
  • Alexandre C. Pereira
  • Rolando Gonzalez-Josee
Palabras clave: autoencoders, deep learning, imágenes hiperespectrales, dermatología

Resumen

En este estudio, presentamos un enfoque innovador para la extracción de indicadores clave a partir de imágenes hiperespectrales de la piel facial, utilizando técnicas de aprendizaje profundo. La detección temprana y el diagnóstico preciso de enfermedades cutáneas son de suma importancia en la salud pública, especialmente considerando su asociación con afecciones graves como el melanoma. Nuestro método codifica las imágenes mediante autoencoders, los cuales son procesados a través de un análisis de componentes principales (PCA) para identificar patrones significativos para la piel. Estos indicadores no solo capturan características visuales, como tono y textura, sino que también muestran correlaciones con mediciones clínicas cruciales, incluida la presión arterial y los niveles de colesterol, lo cual proporcionar indicadores útiles en la evaluación de la salud cutánea.

Publicado
2024-10-12
Cómo citar
Toledo Margalef, P., Navarro, P., Hünemeier, T., Pereira, A., & Gonzalez-Josee, R. (2024). Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel. Memorias De Las JAIIO, 10(11), 18-21. Recuperado a partir de https://publicaciones.sadio.org.ar/index.php/JAIIO/article/view/1047
Sección
SAIV - Simposio Argentino de Imágenes y Visión

Artículos más leídos del mismo autor/a