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

Autores
Toledo Margalef, Pablo; Navarro, Pablo; Hünemeier, Tábita; Pereira, Alexandre C.; Gonzalez-Josee, 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.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
autoencoders
deep learning
imágenes hiperespectrales
dermatología
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:10915/177103
Acceder
id SEDICI_68a10eb93d2746dcef2e439bc62bc6a2
oai_identifier_str oai:sedici.unlp.edu.ar:10915/177103
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Autoencoders para la extracción de descriptores en imágenes hiperespectrales de la pielToledo Margalef, PabloNavarro, PabloHünemeier, TábitaPereira, Alexandre C.Gonzalez-Josee, RolandoCiencias Informáticasautoencodersdeep learningimágenes hiperespectralesdermatologíaEn 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.Sociedad Argentina de Informática e Investigación Operativa2024-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf18-21http://sedici.unlp.edu.ar/handle/10915/177103spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17891info:eu-repo/semantics/altIdentifier/issn/2451-7496info: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:UNLP2025-09-03T11:19:36Zoai:sedici.unlp.edu.ar:10915/177103Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:19:37.195SEDICI (UNLP) - Universidad Nacional de La Platafalse
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
Ciencias Informáticas
autoencoders
deep learning
imágenes hiperespectrales
dermatología
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
Navarro, Pablo
Hünemeier, Tábita
Pereira, Alexandre C.
Gonzalez-Josee, Rolando
author Toledo Margalef, Pablo
author_facet Toledo Margalef, Pablo
Navarro, Pablo
Hünemeier, Tábita
Pereira, Alexandre C.
Gonzalez-Josee, Rolando
author_role author
author2 Navarro, Pablo
Hünemeier, Tábita
Pereira, Alexandre C.
Gonzalez-Josee, Rolando
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
autoencoders
deep learning
imágenes hiperespectrales
dermatología
topic Ciencias Informáticas
autoencoders
deep learning
imágenes hiperespectrales
dermatología
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.
Sociedad Argentina de Informática e Investigación Operativa
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 2024-08
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/10915/177103
url http://sedici.unlp.edu.ar/handle/10915/177103
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
info:eu-repo/semantics/altIdentifier/issn/2451-7496
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
18-21
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_ 1842260702602985472
score 13.13397

Publicaciones similares