El presente trabajo de investigación evalúa la técnica de regresión de mapas de
calor (heatmap regression - HR) para la detección automática de puntos de
referencia (landmark detection) en imágenes médicas, específicamente en las
imágenes de huellas plantares en dos dimensiones. El estudio se basa en la
regresión de mapas de calor con aprendizaje profundo, una técnica que ha
demostrado ser efectiva en la detección de puntos en rostros y en la estimación de
la pose humana. Se propone un método automático para la detección de 8 puntos
en las imágenes digitalizadas de huellas plantares que servirán de referencia para el
diseño base de una plantilla ortopédica bidimensional, buscando así mejorar el
proceso de fabricación de plantillas ortopédicas, que actualmente se realiza de
forma manual y artesanal en la mayoría de los países de América Latina. La
detección automática de estos puntos de referencia en las huellas plantares tiene el
potencial de agilizar este proceso y mejorar la precisión de las plantillas.
Los resultados del estudio mostraron un error absoluto promedio normalizado de
0.01017 en el conjunto de validación. Estas evaluaciones se llevaron a cabo
utilizando una red convolucional U-Net, la cual consta de una ruta de codificación y
compresión de imágenes para capturar el contexto, y una ruta de expansión
simétrica que permite una localización precisa de puntos de interés en un tiempo
razonable gracias al uso de los procesadores GPU actuales. / This paper evaluates the heatmap regression (HR) technique for landmark detection
in medical images, specifically in two- dimensional footprint images. The study is
based on heatmap regression with deep learning, a technique that has proven to be
effective in face landmark detection and human pose estimation. We propose the
evaluation of an automatic method for the detection of 8 points in the digitized
images of plantar footprints that will serve as a reference for the base design of a
two-dimensional orthopedic insole, thus seeking to improve the orthopedic insole
manufacturing process, which is currently handmade and handcrafted in most Latin
American countries. The automatic detection of reference points in the plantar
footprints would speed up this process and improve the accuracy of the insoles.
The results of the study showed an average normalized mean absolute error of
0.01017 in the validation set. These evaluations were carried out using a U-Net
convolutional network, which consists of an image encoding and compression path
to capture the context, and a symmetric expansion path that allows accurate
localization of points of interest in a reasonable amount of time with current GPU
processors.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/28743 |
| Date | 28 August 2024 |
| Creators | Donayre Gamboa, Gustavo Miguel |
| Contributors | Fonseca Arroyo, Pablo Alejandro |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/masterThesis |
| Format | application/pdf, application/pdf |
| Rights | info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by/2.5/pe/ |
Page generated in 0.0017 seconds