Algoritmos de alta eficiencia para el fenotipado automático: aplicaciones en reconstrucción morfométrica 3D, medicina y ciencia forense.

Abstract

El uso de escáneres ·D para capturar información sobre la forma del cuerpo humano está creciendo rápidamente y no sólo se limita a estudios ergonómicos o de diseño, si no que también resulta de interés para aplicaciones relacionadas con la salud. Para ello, contar con herramientas que nos permitan obtener automáticamente representaciones de características relevantes es un paso crucial. Éstas representan una característica esencial durante la medición e interpretación de los datos, tanto para realizar diversos análisis (por ejemplo el somatotipo o estudio de porcentaje y distribución del tejido adiposo), como para el diagnóstico apropiado de condiciones médicas (evaluación del sobrepeso, detección de malformaciones, etc). La presente tesis se centra en el estudio de la forma corporal, y cómo utilizando las técnicas de Machine Learning y Deep Learning, se pueden encontrar de manera automática mejores representaciones geométricas a fenotipos estudiados en el campo de la antropología. Se presenta el desarrollo y validación de distintos tipos de descriptores junto con el procesamiento para extraerlos y utilizarlos en la prácticas. Los resultados indican que los indicadores de forma no sólo predicen bien los marcadores clásicos, si no que permiten la aplicación de más indicadores que reflejan con mayor precisión el fenotipo en estudio.