Resumen

La segmentación de heridas desempeña un importante papel de apoyo en la observación y curación de heridas. Los métodos actuales de segmentación de imágenes incluyen los basados en el proceso tradicional de la imagen y los basados en redes neuronales profundas. Los métodos tradicionales utilizan las características artificiales de la imagen para completar la tarea sin grandes cantidades de datos etiquetados. Mientras tanto, los métodos basados en redes neuronales profundas pueden extraer las características de la imagen de forma efectiva sin el diseño artificial, pero se requieren muchos datos de entrenamiento. Combinando sus ventajas, este trabajo presenta un modelo compuesto de segmentación de heridas. El modelo utiliza el algoritmo de detección de pieles con heridas que hemos diseñado en el artículo para resaltar las características de la imagen. A continuación, las imágenes preprocesadas se segmentan mediante redes neuronales profundas. Por último, se aplican correcciones semánticas a los resultados de la segmentación. El modelo muestra un buen rendimiento en nuestro experimento.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:red neuronal profunda, segmentación de heridas, modelo de heridas, proceso de imagen, características de imágenes artificiales, métodos de imagen, algoritmo de detección de heridas, mucho entrenamiento, segmentación de imágenes, imagen preprocesada
• Keywords:deep neural network, wound segmentation, model of wound, process of image, artificial image features, methods of image, wound detection algorithm, lot of training, image segmentation, preprocessed image