Deep Landmarking : reconocimiento automático de estructuras anatómicas por medio de morfometría geométrica

La adquisición de información fenotípica es un aspecto clave en diversos contextos, incluyendo análisis biométricos, estudios bioantropológicos, investigaciones biomédicas, y ciencia forense por citar algunos. Para ello se requiere la identificación automática de estructuras anatómicas de interés biométrico, como por ejemplo huellas dactilares, patrones en el iris, o rasgos faciales. Estas estructuras son utilizadas masivamente, pero poseen la desventaja de requerir intrusión para adquirir la información a ser analizada. En esta tesis presentamos un nuevo método, basado en la Morfometría Geométrica, para la detección y extacción automática de datos anatómicos característicos (features) en la forma de hitos (landmarks) en 2D o 3D. Para ello se entrenó una red neuronal con conjuntos de datos obtenidos en forma supervisada por medio de expertos antropólogos y biólogos. El sistema resultante posee la capacidad de realizar landmarking en forma automática en imágenes y video sin preparación previa, obteniéndose parámetros de calidad equivalente o superiores a los adquiridos por expertos humanos. Estos resultados abren la posibilidad de generar en forma automática y confiable vectores de atributos basados en propiedades fenotípicas. Se exploran algunas aplicaciones en diversos contextos incluyendo biometría, videojuegos, interfases naturales y otras aplicaciones.

Author dc:creator

• Cintas, Celia

Advisor dc:contributor.advisor

• Delrieux, Claudio Augusto

• Ciencias de la computación
• Sistemas de obtención de imágenes
• Procesamiento de imágenes
• Morfometría geométrica
• Biometría

Statement dc:rights

• Reconocimiento-NoComercial-SinObraDerivada 4.0 (CC BY-NC-ND 4.0)

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

spa

Dc Identifier Other

2017-1552ci

OAI identifier oai:identifier

oai:repositorio.bc.uns.edu.ar:123456789/4136