Sistema de detección de pie diabético a partir de imágenes en el espectro visible e infrarrojo

Rubianes Realpe, Jhonatan Esteban

Sistema de detección de pie diabético a partir de imágenes en el espectro visible e infrarrojo

dc.contributor.advisor	Nope Rodríguez, Sandra Esperanza
dc.contributor.advisor	Restrepo Girón, Andrés David
dc.contributor.author	Rubianes Realpe, Jhonatan Esteban
dc.date.accessioned	2026-03-18T20:12:18Z
dc.date.available	2026-03-18T20:12:18Z
dc.date.issued	2025
dc.description.abstract	El pie diabético es una de las complicaciones más severas de la diabetes mellitus, caracterizado por infecciones, ulceraciones y riesgo de amputación. Bajo esta problemática, el presente trabajo desarrolla un sistema automático de apoyo al diagnóstico temprano del pie diabético, utilizando imágenes en el espectro visible e infrarrojo de la planta de los pies. A diferencia de otros enfoques dependientes de información clínica o antropométrica, este sistema se basa exclusivamente en el procesamiento de imágenes, permitiendo su aplicación en escenarios prácticos y no controlados. El sistema aborda el reto de clasificar entre pie diabético y sano mediante una etapa de segmentación automatizada, especialmente desafiante por los fondos no controlados. Esta etapa inicia con un recorte preliminar de ambas plantas del pie a partir de análisis de histogramas y continúa con una estrategia en cascada que combina redes neuronales YOLO, transformaciones de espacios de color (RGB, HSV, YIQ) y operadores morfológicos, sobre imágenes en el espectro visible e infrarrojo. Tras la segmentación, se aplicaron técnicas de fusión multiespectral para la extracción de características, evaluando siete métodos y seleccionando el de mejor rendimiento según métricas cuantitativas como clasificatorias. Posteriormente, se implementaron técnicas de extracción y selección de características, tomando como base aquellas previamente identificadas en trabajos anteriores, con el objetivo de reducir la dimensionalidad del conjunto de datos sin comprometer el rendimiento del sistema en términos de precisión, sensibilidad y F1-Score. El sistema fue entrenado y validado con una base de datos pública a través de diversos clasificadores: máquinas de vectores de soporte (SVM), modelos estadísticos como Naive Bayes, LDA, QDA y K-NN, así como redes neuronales como el perceptrón multicapa, Patternet y redes de base radial (RBF). En la clasificación binaria, el mejor desempeño se obtuvo con el clasificador SVM, alcanzando una exactitud del 95,0 %, precisión del 96,6 %, sensibilidad del 93,3 % y un F1-Score del 94,9 %, superando el desempeño reportado en los antecedentes, los cuales informaban una exactitud de 89,2 %, precisión de 96,2 %, sensibilidad de 81,9 % y un F1-Score de 88,3 %. Adicionalmente, se incorporó una opción de rechazo, ausente en trabajos anteriores, permitiendo abstenerse de clasificar cuando la confianza del modelo es baja. En este escenario, el clasificador QDA obtuvo el mejor balance: exactitud del 90 %, precisión del 92,9 %, sensibilidad del 86,7 %, especificidad del 93,3 % y un F1-Score del 89,7 % en la misma clasificación binaria, siendo seleccionado para el sistema implementado. Aunque el objetivo principal del estudio fue la clasificación entre pie diabético y pie sano, se aprovechó que la base de datos contenía casos etiquetados con neuropatía e isquemia para explorar una clasificación multiclase. Se intentó distinguir entre tres clases: pie sano, pie diabético con neuropatía y otro con isquemia. El mejor desempeño se obtuvo con el clasificador Naive Bayes, logrando una sensibilidad del 91,7 %, precisión del 73,3 % y un F1-score del 81,5 % para la clase sana. Sin embargo, las métricas para las clases afectadas fueron inferiores al 80 %, lo que sugiere que las características empleadas distinguen bien los pies sanos, pero no discriminan con la misma eficacia entre las patologías del pie diabético, lo cual podría explorarse en futuros estudios.	spa
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	INGENIERO(A) EN ELECTRÓNICA	spa
dc.format.extent	1 recurso en línea (92 páginas)
dc.format.mimetype	application/pdf
dc.identifier.uri	https://hdl.handle.net/10893/39599
dc.language.iso	spa
dc.publisher	Universidad del Valle	spa
dc.publisher.branch	Sede Cali
dc.publisher.faculty	FACULTAD DE INGENIERÍA	spa
dc.publisher.place	Colombia	spa
dc.publisher.program	INGENIERIA EN ELECTRÓNICA	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.lemb	Visión artificial
dc.subject.lemb	Pie diabético
dc.subject.lemb	Termografía
dc.subject.lemb	Procesamiento de imágenes
dc.subject.lemb	Pacientes diabéticos
dc.title	Sistema de detección de pie diabético a partir de imágenes en el espectro visible e infrarrojo	spa
dc.type	Trabajo de grado - Pregrado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/bachelorThesis
dc.type.redcol	http://purl.org/redcol/resource_type/TP
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication
person.identifier.orcid	0000-0003-0245-1086
person.identifier.orcid	0000-0001-7891-1064
relation.isDirectorOfPublication	80e0aaee-68fa-4182-aef1-ebe91a43cfb4
relation.isDirectorOfPublication	75690dfb-421c-4adf-814f-abc4d9982e14
relation.isDirectorOfPublication.latestForDiscovery	80e0aaee-68fa-4182-aef1-ebe91a43cfb4