| Sumario: | Las heridas crónicas y superficiales afectan gravemente la calidad de vida de pacientes, especialmente diabéticos y ancianos, y requieren monitoreo constante para evitar complicaciones. Este trabajo propone un método de aprendizaje profundo basado en YOLOv7 para la detección automática de heridas superficiales (cortes, raspones y magulladuras) en imágenes, como primera etapa para un sistema robótico que tendrá un dispositivo basado en un plasma de helio el cual pueda ayudar a cicatrizar la herida detectada. Utilizando un dataset de 266 imágenes de heridas superficiales, el modelo fue entrenado durante 100 épocas, alcanzando una precisión promedio de 93% (mAP@0.5). Los resultados muestran un rendimiento prometedor en la localización de heridas, independiente del fondo, con un F1-score de 0.90. Este enfoque no invasivo tiene el potencial de mejorar la atención médica al proporcionar una detección precisa, sentando las bases para la automatización de tratamientos de cicatrización
|
|---|