Mobile photogrammetry and semi-synthetic 3d data for classifying cranial pathologies with ai

• Omar Christian Quispe-Enríquez ^[1] ; José Luis Lerma ^[1]
  1. [1] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
• Localización: Quinto Congreso en Ingeniería Geomática - CIGeo 2025 / José Luis Lerma García (dir. congr.), Ángel Martín Furones (dir. congr.), 2026, ISBN 978-84-1396-311-2, págs. 29-34
• Idioma: inglés
• Títulos paralelos:
  • Fotogrametría móvil y datos 3d semisintéticos para la clasificación de patologías craneales con ia
• Enlaces
  • Texto Completo Libro
• Resumen
  • español

    Los modelos 3D craneales son fundamentales para el análisis y detección temprana de deformidades en bebés. Aunque tradicionalmente se obtienen con métodos manuales o escáneres 3D, la fotogrametría móvil ofrece una alternativa accesible y precisa. Este estudio analiza el uso de PhotoMeDAS (‘Photogrammetric Medical Deformation Assessment Solutions’), una solución basada en dispositivos móviles para generar modelos 3D con la precisión necesaria para evaluar y planificar intervenciones correctivas. Además, se explora el uso de la Inteligencia Artificial (IA) para clasificar deformidades, aunque su implementación enfrenta el desafío de la falta de datos. Para abordar esta limitación, se propone la generación de datos semisintéticos a partir de nubes de puntos 3D obtenidas mediante fotogrametría móvil, utilizando un total de 60 datos reales. Estos datos se clasifican según los tipos de patologías craneales, introduciendo variaciones controladas en los ejes X, Y y Z para simular cambios en la morfología craneal. Como resultado, se generaron 2700 datos, enriqueciendo los datos disponibles y facilitando la evaluación y aplicación de algoritmos de clasificación, como son los árboles de decisión (Random Forest) y redes neuronales multicapa (multilayer perceptron). Los resultados preliminares resaltan el potencial de PhotoMeDAS como una herramienta práctica y económica, en tanto que se integre eficientemente la IA en futuras versiones. Sin embargo, se requiere mayor validación para su aplicación en entornos clínicos reales.

  • English

    Cranial 3D models are essential for the analysis and early detection of deformities in infants. While they have traditionally been obtained using manual methods or 3D scanners, mobile photogrammetry offers an accessible and precise alternative. This study examines the use of PhotoMeDAS (Photogrammetric Medical Deformation Assessment Solutions), a mobile-based solution for generating 3D models with the accuracy required to assess and plan corrective interventions. Additionally, the potential of Artificial Intelligence (AI) for classifying cranial deformities is explored, although its implementation faces the challenge of limited data availability. To address this limitation, the generation of semi-synthetic data from 3D point clouds obtained through mobile photogrammetry is proposed, using a total of 60 cases (actual data). These data are classified according to different cranial pathologies, introducing controlled variations along the X, Y, and Z axes to simulate morphological changes. As a result, 2700 cases were generated, enriching the available datasets and facilitating the evaluation and application of classification algorithms such as decision trees, Random Forest, and multilayer perceptron neural networks. Preliminary results highlight the potential of PhotoMeDAS as a practical and cost-effective tool, provided that AI is efficiently integrated into future versions. However, further validation is required to confirm its applicability in actual clinical environments.