Integración de métodos avanzados de visión computacional para el desarrollo de un sistema de segmentación de lesiones en pie diabético

• Autor: Taipe Ramos, Lucas Nicolas
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/29044
• Enlace del recurso: http://hdl.handle.net/20.500.14076/29044
• Nivel de acceso: acceso abierto
• Materia: Pie diabético; Segmentación; Modelos fundacionales; Visión por computadora; https://purl.org/pe-repo/ocde/ford#2.06.01

Este estudio presenta un sistema de visión por computadora que integra modelos clásicos y fundacionales basados en Transformers para segmentar lesiones de pie diabético, complicación frecuente y severa de la diabetes. Modelos fundacionales como Segment Anything Model, entrenados con millones de imágenes, permiten obtener segmentaciones precisas mediante prompts en lugar de costosos procesos de fine tuning. El flujo de trabajo consiste en lo siguiente. Primero YOLOv5 localiza la lesión; segundo EDSR aumenta la resolución de la región de interés; tercero SLIC genera superpíxeles y VGG16 extrae descriptores; cuarto una regresión logística clasifica cada superpíxel como lesión o piel sana; quinto los centroides positivos, las cajas de YOLOv5 y la imagen original actúan como prompt para SAM, que produce la máscara final aprovechando su atención global. En pruebas con un conjunto diverso de imágenes, el sistema alcanzó un Índice de Jaccard de 0.941 y un coeficiente de Dice de 0.969, superando el ajuste directo de SAM y enfoques puramente convolucionales, a la vez que redujo tiempo y coste computacional. La solución brinda una herramienta avanzada para monitorizar úlceras, disminuye el riesgo de infecciones y optimiza el seguimiento de la cicatrización en pacientes con pie diabético, al aplicar los avances más recientes en visión por computadora a esta área clínica.