Pasar al contenido principal

Resultados relacionados

Resultados totales (Incluyendo duplicados): 1
Encontrada(s) 1 página(s)

RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publicación Tesis doctoral (DoctoralThesis)

Integración de fotogrametria móvil, procesamiento geomático e inteligencia artificial para el análisis morfológico de la cabeza

  • Quispe Enriquez, Omar Christian
[ES] La evaluación de la morfología craneal en lactantes es un proceso clínico esencial para la detección y seguimiento de deformidades como la braquicefalia, dolicocefalia y plagiocefalia, entre otras variantes menos frecuentes. Los métodos convencionales basados en escáneres tridimensionales (3D), aunque precisos, presentan limitaciones relacionadas con su elevado coste, baja accesibilidad, necesidad de personal especializado y sensibilidad a las condiciones de adquisición. Además, la alta movilidad del paciente pediátrico introduce variabilidad adicional que afecta la calidad de las mediciones. En este contexto, la presente tesis propone un sistema integrado basado en dispositivos móviles, técnicas geomáticas e inteligencia artificial para la adquisición, procesamiento y análisis automático de la morfología craneal. El sistema integra fotogrametría, videogrametría y PhotoMeDAS mediante teléfonos inteligentes dentro de un flujo geométrico-geomático orientado a la reconstrucción, alineación y escalado de modelos tridimensionales. Los resultados experimentales confirman la viabilidad del sistema, con errores medios en el rango milimétrico (1-2 mm) respecto a un escáner 3D de referencia. La precisión depende principalmente del protocolo de adquisición, siendo el movimiento del paciente el factor más crítico. La inclusión de marcadores codificados mejora la estabilidad de la reconstrucción en escenarios clínicos con movimiento involuntario. Entre los métodos evaluados, la fotogrametría ofrece mayor resolución, la videogrametría un mejor equilibrio entre rapidez y calidad, y PhotoMeDAS destaca por su robustez en condiciones reales. Asimismo, la aplicación de factores de escala por dispositivo reduce errores sistemáticos. El flujo geomático permite transformar nubes de puntos en modelos estructurados mediante alineamiento y normalización, generando descriptores morfométricos basados en distancias geométricas. Esto elimina la dependencia de mediciones manuales y facilita su integración con modelos de aprendizaje automático. En la fase de clasificación, se evaluaron Decision Trees (DT), Random Forest (RF) y redes neuronales tipo Multilayer Perceptron (MLP), destacando este último por su mejor rendimiento global (F1 > 0,90), estabilidad y capacidad de generalización. La incorporación de datos semisintéticos mejora la robustez del sistema frente a la variabilidad clínica. La validación global confirma la integración coherente de todas las etapas del sistema, demostrando la posibilidad de adquirir, procesar y clasificar deformidades craneales de forma automática mediante smartphones e inteligencia artificial, con potencial aplicación en telemedicina y cribado pediátrico., [EN] The assessment of cranial morphology in infants is a fundamental clinical process for the detection and monitoring of cranial deformities such as brachycephaly, dolichocephaly and plagiocephaly, among other less common variants. Conventional methods based on three-dimensional (3D) scanners, although accurate, present limitations related to their high cost, limited accessibility, requirement for specialised personnel and sensitivity to acquisition conditions. In addition, the high mobility of paediatric patients introduces further variability that can adversely affect measurement quality. In this context, this thesis proposes an integrated system based on mobile devices, geomatic techniques and artificial intelligence for the automated acquisition, processing and analysis of cranial morphology. The system integrates photogrammetry, videogrammetry and PhotoMeDAS using smartphones within a geomatic workflow oriented towards the reconstruction, alignment and scaling of three-dimensional models. Experimental results confirm the feasibility of the proposed system, with mean errors in the millimetre range (1-2 mm) when compared with a reference 3D scanner. Accuracy is shown to depend primarily on the acquisition protocol, with patient movement being the most critical factor. The use of coded markers improves reconstruction stability in clinical scenarios involving involuntary motion. Among the evaluated methods, photogrammetry provides higher spatial resolution, videogrammetry offers a better balance between speed and quality, and PhotoMeDAS demonstrates greater robustness under real-world conditions. Furthermore, the application of device-specific scaling factors reduces systematic errors. The geomatic workflow enables the transformation of point clouds into structured models through alignment and normalisation, generating morphometric descriptors based on geometric distances. This removes the dependence on manual measurements and facilitates integration with machine learning models. In the classification stage, Decision Trees (DT), Random Forest (RF) and Multilayer Perceptron (MLP) neural networks were evaluated, with the MLP achieving the best overall performance (F1 > 0.90), as well as greater stability and generalisation capability. The incorporation of semi-synthetic data further improves the robustness of the system against clinical variability. Overall, the global validation confirms the coherent integration of all system stages, demonstrating the feasibility of automatically acquiring, processing and classifying cranial deformities using smartphones and artificial intelligence, with potential applications in telemedicine and paediatric screening., [CA] L'avaluació de la morfologia cranial en lactants és un procés clínic fonamental per a la detecció i el seguiment de deformitats cranials com la braquicefàlia, la dolicocefàlia i la plagiocefàlia, entre altres variants menys freqüents. Els mètodes convencionals basats en escàners tridimensionals (3D), encara que precisos, presenten limitacions relacionades amb l'elevat cost, la baixa accessibilitat, la necessitat de personal especialitzat i la sensibilitat a les condicions d'adquisició. A més, l'alta mobilitat del pacient pediàtric introdueix una variabilitat addicional que pot afectar la qualitat de les mesures. En aquest context, la present tesi proposa un sistema integrat basat en dispositius mòbils, tècniques geomàtiques i intel·ligència artificial per a l'adquisició, el processament i l'anàlisi automàtica de la morfologia cranial. El sistema integra fotogrametria, videogrametria i PhotoMeDAS mitjançant telèfons intel·ligents dins d'un flux geomètric-geomàtic orientat a la reconstrucció, alineació i escalat de models tridimensionals. Els resultats experimentals confirmen la viabilitat del sistema, amb errors mitjans en el rang mil·limètric (1-2 mm) en comparació amb un escàner 3D de referència. La precisió depén principalment del protocol d'adquisició, sent el moviment del pacient el factor més crític. La inclusió de marcadors codificats millora l'estabilitat de la reconstrucció en escenaris clínics amb moviment involuntari. Entre els mètodes avaluats, la fotogrametria ofereix una major resolució, la videogrametria un millor equilibri entre rapidesa i qualitat, i PhotoMeDAS destaca per la seua robustesa en condicions reals. Així mateix, l'aplicació de factors d'escala específics per dispositiu redueix els errors sistemàtics. El flux geomàtic permet transformar núvols de punts en models estructurats mitjançant processos d'alineació i normalització, generant descriptors morfomètrics basats en distàncies geomètriques. Això elimina la dependència de mesures manuals i facilita la seua integració amb models d'aprenentatge automàtic. En la fase de classificació, es van avaluar Decision Trees (DT), Random Forest (RF) i xarxes neuronals tipus Multilayer Perceptron (MLP), destacant aquest últim per un millor rendiment global (F1 > 0,90), estabilitat i capacitat de generalització. La incorporació de dades semisintètiques millora la robustesa del sistema davant la variabilitat clínica. La validació global confirma la integració coherent de totes les etapes del sistema, demostrant la possibilitat d'adquirir, processar i classificar deformitats cranials de manera automàtica mitjançant telèfons intel·ligents i intel·ligència artificial, amb potencial aplicació en telemedicina i cribratge pediàtric., Instituto de Salud Carlos III under project number PI22/01416 and joint financing by the European Union.