Capítulo de Libro
La adquisición de información fenotípica es un aspecto clave en diversos contextos, incluyendo análisis biométricos, estudios bioantropológicos, investigaciones biomédicas y en ciencia forense; por citar solo algunas aplicaciones. Para esta adquisición 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 (o por lo menos la colaboración activa de la persona muestreada) para adquirir la información a ser analizada. En cambio, las orejas no presentan dicha desventaja, además de no modificarse a lo largo de la maduración o envejecimiento de la persona, y ser inmunes a los gestos faciales. En este capítulo, presentamos un nuevo método basado en la morfometría geométrica para la detección y extracción automática de datos anatómicos característicos (features) en la forma de hitos (landmarks) en 2D en orejas. Para ello, se entrenó una red neuronal convolucional con un conjunto 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 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 además en este capítulo las aplicaciones en diversos contextos incluyendo biometría, videojuegos, interfases naturales y otros usos posibles. Accurate gathering of phenotypic information is a key aspect in several subject matters, including biometric identification, biomedical analysis, bioanthropology studies, forensics, and many other. Automatic identification of anatomical structures of biometric interest, such as fingerprints, iris patterns, or facial traits, are extensively used in applications like access control, anthropological research, and surveillance, all having in common the drawback of requiring intrusive means for acquiring the required information. Ears, instead, are not so restricted, and are also advantageous since they do not vary along aging in people and are also oblivious to facial gestures. In this chapter we present a new method for automatic ear phenotype detection and feature extraction in the form of 2D landmarks. The method is grounded on two well established methodologies, Geometric Morphometrics and Deep Learning. A convolutional neural network was trained with a set of manually landmarked examples. The trained convolutional network is able to provide morphometric landmarks on images automatically, with a performance that matches human assisted landmarking. The feasibility of using landmarks as feature vectors for different classifications tasks is explored in a novel spectrum of biometrics, video games, and natural user interfaces applications.
Reconocimiento automático de estructuras anatómicas por medio de morfometría geométrica y deep learning
Título del libro: Avances en Antropología Forense
Cintas, Celia
; Delrieux, Claudio Augusto
; Navarro, Jose Pablo
; Quinto Sánchez, Mirsha Emmanuel; Acuña Alonzo, Victor; Gonzalez-Jose, Rolando
; Gallo, Carla; Poletti, Giovanni; Rothhammer, Francisco; Bedoya, Gabriel; Ruiz-Linares, Andres
Fecha de publicación:
2022
Editorial:
Universidad Nacional Autónoma de México. Facultad de Medicina
ISBN:
978-607-30-5655-7
Idioma:
Español
Clasificación temática:
Resumen
Palabras clave:
APRENDISAJE PROFUNDO
,
LANDMARKS
,
MORFOMETRIA
Archivos asociados
Licencia
Identificadores
Colecciones
Capítulos de libros(IPCSH)
Capítulos de libros de INSTITUTO PATAGONICO DE CIENCIAS SOCIALES Y HUMANAS
Capítulos de libros de INSTITUTO PATAGONICO DE CIENCIAS SOCIALES Y HUMANAS
Citación
Cintas, Celia; Delrieux, Claudio Augusto; Navarro, Jose Pablo; Quinto Sánchez, Mirsha Emmanuel; Acuña Alonzo, Victor; et al.; Reconocimiento automático de estructuras anatómicas por medio de morfometría geométrica y deep learning; Universidad Nacional Autónoma de México. Facultad de Medicina; 2022; 375-404
Compartir
Items relacionados
Mostrando titulos relacionados por título, autor y tema.