Diseño de un sistema de reconocimiento de patrones en imágenes termográficas y de huella plantar para la identificación de pie plano en niños con edades entre cinco y seis años

• Autores: Milton Muñoz Neira, Anyed Stephany Martínez Parra, Cristian Gerardo Ruiz Adarme, Carlos Humberto Triana Castro, Jorge Luis Cornejo Plata
• Localización: Revista Científica, ISSN 0124-2253, ISSN-e 2344-8350, Vol. 36, Nº. 3, 2019 (Ejemplar dedicado a: sep-dic), págs. 313-324
• Idioma: español
• Títulos paralelos:
  • Design of a pattern recognition system in thermographic and footprint images for flatfoot identification in children between five and six years old
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El siguiente artículo presenta los principales resultados de una investigación exploratoria, orientada al diseño e implementación de un sistema de reconocimiento de patrones para la identificación de pie plano en niños entre los 5 y 6 años. Los patrones se determinaron a partir del análisis de textura en imágenes termográficas del pie y del contorno en imágenes de la huella plantar. Para cada caso, se entrenó una red neuronal artificial con un algoritmo de retro propagación. En cada ensayo, 70 % de los datos se utilizaron para entrenamiento y 30 % para la validación. Para los sistemas experimentados se encontraron tasas de acierto superiores al 80 %. Los mejores resultados de reconocimiento se lograron para un sistema binario (pie plano, pie sano), entrenado con patrones de contorno reducidos por análisis de componentes principales (ACP), con un porcentaje de acierto del 90,84 % en validación cruzada. Los resultados logrados son un aporte para el estudio de técnicas de diagnóstico y tratamiento del pie plano, con base en herramientas tecnológicas.

  • English

    The following paper presents the main results of an exploratory research oriented to design and implementation of a pattern recognition system for flatfoot identification in children between 5 and 6 years. Patterns were determined from texture analysis of foot thermographic images, and from contour analysis of footprint images. For each case, an artificial neuronal network was trained, with base in a back propagation algorithm. In each trial, 70% of data were used for training, and 30% for validation.  For experiments done, success rates greater than 80% were achieved. The best results was reached with contour patterns reduced by PCA, in a binary system, with a success rate of 90.84% in cross validation. Results are a contribution to study of diagnostic techniques for flatfoot treatment through use of technologic tools.