Segmentación de imágenes de úlceras por presión mediante aprendizaje profundo

Abstract

Las úlceras por presión son lesiones producidas en la piel por una presión o fricción sufridas durante un gran periodo de tiempo. Estas úlceras presentan cinco tejidos, piel, periúlcera, granulación, esfacelos y necrótico, que dependerán de la gravedad de la herida. Su diagnóstico resulta complicado de concretar ya que en ocasiones es difícil de saber con exactitud que tejidos están presentes en la herida. Este trabajo propone el diseño y uso de una aplicación web sencilla y dinámica para solventar y agilizar estos problemas con el diagnóstico, de modo que el personal sanitario pueda introducir una imagen de una úlcera en la aplicación para que esta sea devuelta, totalmente segmentada en los distintos tejidos que presente la úlcera, por la propia aplicación. Esta aplicación tendrá implementado un modelo de segmentación desarrollado mediante redes convolucionales y métodos de aprendizaje profundo (Deep Learning). Este modelo ha sido seleccionado tras un estudio exhaustivo de resultados entre las distintas posibilidades encontradas en el conjunto de arquitecturas de PyTorch. La arquitectura escogida ha la famosa Unet, conocida por su exitoso recorrido en el trato con imágenes médicas, con un preentrenamiento con imagenet (conjunto de datos) ya que ha obtenido el mejor resultado para cada tejido con respecto a las demás redes de segmentación. Esta arquitectura ha sido la única capaz de detectar el estadio necrótico ya que este, en el mayor de los casos, es el estadio minoritario es este tipo de heridas. Al final de este documento se proponen mejoras futuras y un manual de instalación para conseguir toda la funcionalidad de la aplicación en cualquier dispositivo