Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial

Autores
Piotroski, Angeles; Stetson, Damian; Godoy, Diego Alberto; Kornuta, Carlos; Kucuk, Lucas G.; Albornoz, Enrique Marcelo
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En la actualidad, los métodos de inspección para diagnóstico de desviaciones anormales en la columna (escoliosis, cifosis, lordosis, etc.) son principalmente visuales, permiten tener un indicador temprano, pero resultan ser limitadas y fuertemente influenciadas por la experticia del especialista. Esto se complementa con estudios más complejos y precisos que utilizan otras modalidades de imágenes (RX, TAC, RMN, 3D, etc.), los que necesitan software específico semi-automático. En este trabajo se presenta el estudio, diseño y desarrollo de una herramienta automática para la asistencia en el prediagnóstico y el seguimiento de desviaciones anormales corporales posteriores del cuerpo humano, a partir de fotografías obtenidas con cualquier dispositivo. Se propuso un método novedoso que utiliza imágenes de espaldas de las personas que son procesadas para obtener puntos relacionados al esqueleto de la persona a través de redes neuronales profundas. A partir de estos señaladores anatómicos se calculan diferentes medidas que se utilizan para estimar la condición de la persona. La definición, diseño y desarrollo del trabajo estuvo acompañado por un especialista en estas patologías, y coincidió en que los resultados son prometedores, aunque se requiere la realización de una mayor cantidad de pruebas.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Smart Health
scoliosis
visión artificial
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/179671
Acceder
id SEDICI_5cb7c73de7b62a2dd2e46de9cad20564
oai_identifier_str oai:sedici.unlp.edu.ar:10915/179671
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificialPiotroski, AngelesStetson, DamianGodoy, Diego AlbertoKornuta, CarlosKucuk, Lucas G.Albornoz, Enrique MarceloCiencias InformáticasSmart Healthscoliosisvisión artificialEn la actualidad, los métodos de inspección para diagnóstico de desviaciones anormales en la columna (escoliosis, cifosis, lordosis, etc.) son principalmente visuales, permiten tener un indicador temprano, pero resultan ser limitadas y fuertemente influenciadas por la experticia del especialista. Esto se complementa con estudios más complejos y precisos que utilizan otras modalidades de imágenes (RX, TAC, RMN, 3D, etc.), los que necesitan software específico semi-automático. En este trabajo se presenta el estudio, diseño y desarrollo de una herramienta automática para la asistencia en el prediagnóstico y el seguimiento de desviaciones anormales corporales posteriores del cuerpo humano, a partir de fotografías obtenidas con cualquier dispositivo. Se propuso un método novedoso que utiliza imágenes de espaldas de las personas que son procesadas para obtener puntos relacionados al esqueleto de la persona a través de redes neuronales profundas. A partir de estos señaladores anatómicos se calculan diferentes medidas que se utilizan para estimar la condición de la persona. La definición, diseño y desarrollo del trabajo estuvo acompañado por un especialista en estas patologías, y coincidió en que los resultados son prometedores, aunque se requiere la realización de una mayor cantidad de pruebas.Red de Universidades con Carreras en Informática2024-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf290-294http://sedici.unlp.edu.ar/handle/10915/179671spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:40:46Zoai:sedici.unlp.edu.ar:10915/179671Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:40:46.485SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
title Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
spellingShingle Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
Piotroski, Angeles
Ciencias Informáticas
Smart Health
scoliosis
visión artificial
title_short Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
title_full Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
title_fullStr Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
title_full_unstemmed Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
title_sort Detección temprana de deformaciones de columna con redes neuronales profundas utilizando visión artificial
dc.creator.none.fl_str_mv Piotroski, Angeles
Stetson, Damian
Godoy, Diego Alberto
Kornuta, Carlos
Kucuk, Lucas G.
Albornoz, Enrique Marcelo
author Piotroski, Angeles
author_facet Piotroski, Angeles
Stetson, Damian
Godoy, Diego Alberto
Kornuta, Carlos
Kucuk, Lucas G.
Albornoz, Enrique Marcelo
author_role author
author2 Stetson, Damian
Godoy, Diego Alberto
Kornuta, Carlos
Kucuk, Lucas G.
Albornoz, Enrique Marcelo
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Smart Health
scoliosis
visión artificial
topic Ciencias Informáticas
Smart Health
scoliosis
visión artificial
dc.description.none.fl_txt_mv En la actualidad, los métodos de inspección para diagnóstico de desviaciones anormales en la columna (escoliosis, cifosis, lordosis, etc.) son principalmente visuales, permiten tener un indicador temprano, pero resultan ser limitadas y fuertemente influenciadas por la experticia del especialista. Esto se complementa con estudios más complejos y precisos que utilizan otras modalidades de imágenes (RX, TAC, RMN, 3D, etc.), los que necesitan software específico semi-automático. En este trabajo se presenta el estudio, diseño y desarrollo de una herramienta automática para la asistencia en el prediagnóstico y el seguimiento de desviaciones anormales corporales posteriores del cuerpo humano, a partir de fotografías obtenidas con cualquier dispositivo. Se propuso un método novedoso que utiliza imágenes de espaldas de las personas que son procesadas para obtener puntos relacionados al esqueleto de la persona a través de redes neuronales profundas. A partir de estos señaladores anatómicos se calculan diferentes medidas que se utilizan para estimar la condición de la persona. La definición, diseño y desarrollo del trabajo estuvo acompañado por un especialista en estas patologías, y coincidió en que los resultados son prometedores, aunque se requiere la realización de una mayor cantidad de pruebas.
Red de Universidades con Carreras en Informática
description En la actualidad, los métodos de inspección para diagnóstico de desviaciones anormales en la columna (escoliosis, cifosis, lordosis, etc.) son principalmente visuales, permiten tener un indicador temprano, pero resultan ser limitadas y fuertemente influenciadas por la experticia del especialista. Esto se complementa con estudios más complejos y precisos que utilizan otras modalidades de imágenes (RX, TAC, RMN, 3D, etc.), los que necesitan software específico semi-automático. En este trabajo se presenta el estudio, diseño y desarrollo de una herramienta automática para la asistencia en el prediagnóstico y el seguimiento de desviaciones anormales corporales posteriores del cuerpo humano, a partir de fotografías obtenidas con cualquier dispositivo. Se propuso un método novedoso que utiliza imágenes de espaldas de las personas que son procesadas para obtener puntos relacionados al esqueleto de la persona a través de redes neuronales profundas. A partir de estos señaladores anatómicos se calculan diferentes medidas que se utilizan para estimar la condición de la persona. La definición, diseño y desarrollo del trabajo estuvo acompañado por un especialista en estas patologías, y coincidió en que los resultados son prometedores, aunque se requiere la realización de una mayor cantidad de pruebas.
publishDate 2024
dc.date.none.fl_str_mv 2024-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/179671
url http://sedici.unlp.edu.ar/handle/10915/179671
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
290-294
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064419560226816
score 13.22299

Publicaciones similares