Método Hernández-Corvo para clasificar huellas plantares mediante inteligencia artificial

Resumen

El uso de la inteligencia artificial (IA) en el análisis de datos e imágenes ha ido ganando reconocimiento por su gran validez y fiabilidad. El método del índice Hernández-Corvo se utiliza ampliamente en el diagnóstico podológico y campos afines para clasificar las huellas plantares. Por ello, el objetivo de este estudio fue clasificar las huellas plantares mediante el método de Hernández-Corvo aplicando redes neuronales convolucionales (CNN) como herramienta de medición. Se utilizó un diseño observacional con enfoque descriptivo transversal. En el estudio participaron 275 personas sin problemas de movilidad. Antes de registrar la huella plantar, los participantes descansaron durante 15 minutos para minimizar la vascularización del pie. Las huellas se clasificaron como normales, cavas o planas, y se tomaron fotografías para generar un conjunto de datos de 551 imágenes para el entrenamiento con redes neuronales convolucionales (CNN). Se modelaron diferentes arquitecturas convolucionales y se aplicaron técnicas como el aumento de datos y la regularización. La extracción de características se realizó mediante aprendizaje por transferencia con la red VGG16 previamente entrenada. Se entrenaron varios modelos de CNN con distintas técnicas. La arquitectura básica alcanzó una precisión de validación del 53 %. La incorporación de la regularización L2 y el abandono en las capas centrales mejoró el rendimiento del modelo en términos de control del sobreajuste sin perder precisión de validación. Al descongelar las dos últimas capas de las CNN y utilizar el modelo VGG16, se alcanzó una precisión de validación del 91 %. Sin embargo, siguieron observándose errores significativos en la clasificación de los tipos de pie cavo y normal. Se ha demostrado la viabilidad de entrenar una red previamente entrenada con recursos informáticos limitados. El uso de la red VGG16, más pequeña, facilitó el entrenamiento sin tener que empezar desde cero, lo que pone de relieve la eficacia del aprendizaje por transferencia para mejorar la detección de objetos. Debido a las limitaciones computacionales, la red VGG16 permitió procesar imágenes de cada tipo de pie, para lo que solo fue necesario entrenar la capa final del modelo. El uso de las CNN para clasificar huellas plantares basadas en el método Hernández-Corvo en individuos aparentemente sanos ha demostrado ser muy eficaz.