Reconocimiento Automático de Estructuras Anatómicas por Medio de Morfometría Geométrica y Deep Learning

CINTAS, CELIA; DELRIEUX, CLAUDIO; GONZÁLEZ JOSÉ, ROLANDO; NAVARRO, PABLO

Avances en Antropología Forense

Universidad Nacional Autónoma de México

Año: 2022; p. 375 - 404

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.