Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel

Autores
Toledo Margalef, Pablo Adrian; Navarro, Jose Pablo; Hünemeier, Tábita; Pereira, Alexandre C.; Gonzalez-Jose, Rolando
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este estudio, presentamos un enfoque innovador para la extracción de indicadores clave a partir de imágenes hiperespectrales de la piel facial, utilizando técnicas de aprendizaje profundo. La detección temprana y el diagnóstico preciso de enfermedades cutáneas son de suma importancia en la salud pública, especialmente considerando su asociación con afecciones graves como el melanoma. Nuestro método codifica las imágenes mediante autoencoders, los cuales son procesados a través de un análisis de componentes principales (PCA) para identificar patrones significativos para la piel. Estos indicadores no solo capturan características visuales, como tono y textura, sino que también muestran correlaciones con mediciones clínicas cruciales, incluida la presión arterial y los niveles de colesterol, lo cual proporcionar indicadores útiles en la evaluación de la salud cutánea.
Fil: Toledo Margalef, Pablo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Universidad Nacional de la Patagonia "San Juan Bosco"; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Navarro, Jose Pablo. Universidad Nacional de la Patagonia "San Juan Bosco"; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Hünemeier, Tábita. Universidade de Sao Paulo; Brasil
Fil: Pereira, Alexandre C.. Universidade de Sao Paulo; Brasil. Harvard Medical School; Estados Unidos
Fil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión
Bahia Blanca
Argentina
Sociedad Argentina de Informática
Universidad Nacional del Sur
Materia
DEEP LEARNING
AUTOENCODERS
DERMATOLOGIA
IMÁGENES HIPERESPECTRALES
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/262982
Acceder
id CONICETDig_622e2e54498e614f4670d0825d870ce0
oai_identifier_str oai:ri.conicet.gov.ar:11336/262982
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la pielToledo Margalef, Pablo AdrianNavarro, Jose PabloHünemeier, TábitaPereira, Alexandre C.Gonzalez-Jose, RolandoDEEP LEARNINGAUTOENCODERSDERMATOLOGIAIMÁGENES HIPERESPECTRALEShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1En este estudio, presentamos un enfoque innovador para la extracción de indicadores clave a partir de imágenes hiperespectrales de la piel facial, utilizando técnicas de aprendizaje profundo. La detección temprana y el diagnóstico preciso de enfermedades cutáneas son de suma importancia en la salud pública, especialmente considerando su asociación con afecciones graves como el melanoma. Nuestro método codifica las imágenes mediante autoencoders, los cuales son procesados a través de un análisis de componentes principales (PCA) para identificar patrones significativos para la piel. Estos indicadores no solo capturan características visuales, como tono y textura, sino que también muestran correlaciones con mediciones clínicas cruciales, incluida la presión arterial y los niveles de colesterol, lo cual proporcionar indicadores útiles en la evaluación de la salud cutánea.Fil: Toledo Margalef, Pablo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Universidad Nacional de la Patagonia "San Juan Bosco"; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Navarro, Jose Pablo. Universidad Nacional de la Patagonia "San Juan Bosco"; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Hünemeier, Tábita. Universidade de Sao Paulo; BrasilFil: Pereira, Alexandre C.. Universidade de Sao Paulo; Brasil. Harvard Medical School; Estados UnidosFil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y VisiónBahia BlancaArgentinaSociedad Argentina de InformáticaUniversidad Nacional del SurSociedad Argentina de Informática e Investigación Operativa2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectJornadaJournalhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/262982Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel; 53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión; Bahia Blanca; Argentina; 2024; 18-212451-7496CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17891Nacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T09:53:20Zoai:ri.conicet.gov.ar:11336/262982instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 09:53:20.617CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
title Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
spellingShingle Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
Toledo Margalef, Pablo Adrian
DEEP LEARNING
AUTOENCODERS
DERMATOLOGIA
IMÁGENES HIPERESPECTRALES
title_short Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
title_full Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
title_fullStr Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
title_full_unstemmed Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
title_sort Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel
dc.creator.none.fl_str_mv Toledo Margalef, Pablo Adrian
Navarro, Jose Pablo
Hünemeier, Tábita
Pereira, Alexandre C.
Gonzalez-Jose, Rolando
author Toledo Margalef, Pablo Adrian
author_facet Toledo Margalef, Pablo Adrian
Navarro, Jose Pablo
Hünemeier, Tábita
Pereira, Alexandre C.
Gonzalez-Jose, Rolando
author_role author
author2 Navarro, Jose Pablo
Hünemeier, Tábita
Pereira, Alexandre C.
Gonzalez-Jose, Rolando
author2_role author
author
author
author
dc.subject.none.fl_str_mv DEEP LEARNING
AUTOENCODERS
DERMATOLOGIA
IMÁGENES HIPERESPECTRALES
topic DEEP LEARNING
AUTOENCODERS
DERMATOLOGIA
IMÁGENES HIPERESPECTRALES
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv En este estudio, presentamos un enfoque innovador para la extracción de indicadores clave a partir de imágenes hiperespectrales de la piel facial, utilizando técnicas de aprendizaje profundo. La detección temprana y el diagnóstico preciso de enfermedades cutáneas son de suma importancia en la salud pública, especialmente considerando su asociación con afecciones graves como el melanoma. Nuestro método codifica las imágenes mediante autoencoders, los cuales son procesados a través de un análisis de componentes principales (PCA) para identificar patrones significativos para la piel. Estos indicadores no solo capturan características visuales, como tono y textura, sino que también muestran correlaciones con mediciones clínicas cruciales, incluida la presión arterial y los niveles de colesterol, lo cual proporcionar indicadores útiles en la evaluación de la salud cutánea.
Fil: Toledo Margalef, Pablo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Universidad Nacional de la Patagonia "San Juan Bosco"; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Navarro, Jose Pablo. Universidad Nacional de la Patagonia "San Juan Bosco"; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Hünemeier, Tábita. Universidade de Sao Paulo; Brasil
Fil: Pereira, Alexandre C.. Universidade de Sao Paulo; Brasil. Harvard Medical School; Estados Unidos
Fil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión
Bahia Blanca
Argentina
Sociedad Argentina de Informática
Universidad Nacional del Sur
description En este estudio, presentamos un enfoque innovador para la extracción de indicadores clave a partir de imágenes hiperespectrales de la piel facial, utilizando técnicas de aprendizaje profundo. La detección temprana y el diagnóstico preciso de enfermedades cutáneas son de suma importancia en la salud pública, especialmente considerando su asociación con afecciones graves como el melanoma. Nuestro método codifica las imágenes mediante autoencoders, los cuales son procesados a través de un análisis de componentes principales (PCA) para identificar patrones significativos para la piel. Estos indicadores no solo capturan características visuales, como tono y textura, sino que también muestran correlaciones con mediciones clínicas cruciales, incluida la presión arterial y los niveles de colesterol, lo cual proporcionar indicadores útiles en la evaluación de la salud cutánea.
publishDate 2024
dc.date.none.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Jornada
Journal
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/262982
Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel; 53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión; Bahia Blanca; Argentina; 2024; 18-21
2451-7496
CONICET Digital
CONICET
url http://hdl.handle.net/11336/262982
identifier_str_mv Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la piel; 53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión; Bahia Blanca; Argentina; 2024; 18-21
2451-7496
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17891
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Sociedad Argentina de Informática e Investigación Operativa
publisher.none.fl_str_mv Sociedad Argentina de Informática e Investigación Operativa
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842269217272889344
score 13.13397

Publicaciones similares