Árboles de Decisión para la Detección de Patrones de Lesiones Cutáneas en Úlceras de Miembros Inferiores

Un diagnóstico erróneo de enfermedades cutáneas puede resultar en complicaciones durante el proceso de curación. Las imágenes de la piel proporcionan información importante para el personal médico para el almacenamiento y el intercambio de información, tratando de prevenir que ocurra este diagnóstico erróneo. Para ello, se necesita un buen proceso de segmentación. La segmentación de estas imágenes ya se está utilizando y ha sido una herramienta eficaz para el reconocimiento de enfermedades cutáneas. Este documento presenta un método para seleccionar semillas para algoritmos de crecimiento de regiones, ya que varios algoritmos de crecimiento de regiones tienen buenos resultados de agrupamiento, pero son sensibles a la semilla. Se utilizó aprendizaje automático para crear la semilla para la segmentación de imágenes médicas de úlceras cutáneas en los miembros inferiores. Para el aprendizaje automático, se utilizaron algoritmos de árbol de decisión, que ofrecen un enfoque más intuitivo. Los resultados se compararon con el estándar de oro obtenido con la ayuda de expertos, los resultados fueron buenos y abrieron caminos que se pueden seguir para trabajos futuros, ya que, a pesar de los buenos resultados, aún se pueden mejorar.