Programa del congreso

El Hemangioma Infantil (HI) es el tumor vascular más común en la infancia, afectando a una proporción significativa de los recién nacidos. Si bien muchos HI se resuelven espontáneamente, un porcentaje no despreciable puede desarrollar complicaciones. Para ello, la detección y clasificación médica temprana resulta fundamental para una intervención médica anticipada.

Este trabajo presenta el desarrollo de un plugin ejecutable en un dispositivo portátil con sensor de imagen para la captura y clasificación automáticas de Hemangiomas Infantiles en tres clases: superficial, mixto y profundo. A partir de la adaptación de técnicas previamente diseñadas en MATLAB, se implementa un plugin en Python que incluye técnicas de segmentación, extracción de características de la lesión y clasificación multiclase mediante técnicas de aprendizaje automático. Las técnicas de clasificación adaptadas a Python en este estudio han sido tres: kNN, SVM y MLP. Entre ellas, el clasificador SVM mostró el mejor rendimiento, alcanzando una accuracy del 81.9 % y un F1-score de 81 % en la clasificación de las tres clases, lo que representa una mejora bastante notable respecto a los resultados previos reportados. Este plugin mantiene una interfaz sencilla para el usuario, compatible con su uso clínico, y asegura que la clasificación entre tres clases se realice de forma precisa y correcta.