Diseño de plugin sobre Raspberry Pi IV para clasificación en tiempo real del Hemangioma Infantil
-
-
[1] Universidad de Sevilla
Universidad de Sevilla
Sevilla, España
-
- Localización: CASEIB 2025. Libro de Actas del XLIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica: Innovando en tecnología para la salud y calidad de vida / David Hernando (ed. lit.), Jesús Lazaro Plaza (ed. lit.), Pablo Laguna Lasaosa (aut.), Juan Pablo Martínez Cortés (aut.), 2025, ISBN 978-84-09-80259-3, págs. 704-707
- Idioma: español
- Texto completo no disponible (Saber más ...)
-
Resumen
El hemangioma infantil (HI) es el tumor vascular más común en la infancia, afectando a una proporción significativa de los recién nacidos. Si bien muchos HI se resuelven espontáneamente, un porcentaje no despreciable puede desarrollar complicaciones, por lo que la detección y el diagnóstico médico temprano resultan fundamentales para una intervención médica anticipada. Este trabajo presenta el desarrollo de un plugin ejecutable en un dispositivo portátil con sensor de imagen para la captura y clasificación automáticas de hemangiomas infantiles en tres clases: superficial, mixto y profundo. A partir de la adaptación de técnicas previamente diseñadas en MATLAB, se implementa un plugin en Python que incluye técnicas de segmentación, extracción de características de la lesión y clasificación multiclase mediante aprendizaje automático. Las técnicas de clasificación adaptadas a Python en este estudio han sido tres: kNN (k-Nearest Neighbors), SVM (Support Vector Machine) y MLP (Multi-Layer Perceptron). Entre ellas, el clasificador SVM mostró el mejor rendimiento, alcanzando una accuracy de 0,82 y un F1-score de 0,81 en la clasificación de las tres clases, lo que representa una mejora bastante notable respecto a los resultados previos reportados. Este plugin mantiene una interfaz sencilla para el usuario, compatible con su uso clínico, y asegura que la clasificación entre tres clases se realice de forma precisa y correcta.
