Comparación de técnicas basadas en visión computacional y machine learning para la detección temprana de anemia a partir del análisis de uñas

Abstract

En el Perú la anemia es una enfermedad que está presente en más del 40 % de la población, es común tanto en niños como en adolescentes, y predomina en mujeres gestantes y niños menores de dos años, lo que compromete seriamente su desarrollo. Para diagnosti car la anemia es necesario realizar pruebas de laboratorio mediante el análisis de la sangre, donde se determinan los niveles de hemoglobina. Sin embargo, la mayoría de los hospitales no cuentan con los equipos adecuados para realizar las pruebas, lo que ocasiona retrasos en la entrega de los diagnósticos. El objetivo de esta investigación es comparar técnicas basadas en visión computacional y machine learning para la detección temprana de anemia a partir del análisis de uñas, de manera que los doctores puedan utilizarlo como apoyo en la detección de la anemia para un descarte temprano. Con un diagnóstico oportuno, se evitará a los pacientes padecer las diferentes etapas de esta enfermedad y especialmente a los que se encuentran en la etapa crónica cuando las consecuencias son graves, debido a que la anemia puede indicar la presencia de otra enfermedad subyacente. Se realizaron varios experimentos y los mejores resultados fueron: Accuracy 0,989, precision 0,98, recall 0,98 y F1-score de 0,98, con la arqui tectura VGG19 como extractor de características en combinación con el clasificador support vector machines (SVM). Con la investigación se demostró que es posible detectar la anemia, sin necesidad de un análisis de sangre, con mayor rapidez y con resultados confiables.

In Peru, anemia is a disease that affects more than 40% of the population, being common in both children and teenagers, and prevailing in pregnant women and children under 2 years of age, which seriously compromises their development. To diagnose anemia, it is necessary to perform blood tests to determine hemoglobin levels. However, most hospitals do not have the proper equipment to conduct the tests, which causes delays in the delivery of diagnoses. The objective of this research is to compare techniques based on computer vision and machine learning for the early detection of anemia from nail analysis, so that doctors can use such analysis as support in the early detection of this disease. With a timely diagnosis, it will be possible to prevent patients from suffering the disease in its different stages, especially for those who are at a chronic stage where the consequences are serious, since anemia can be a sign of an underlying disease. Several experiments were carried out and the best results were the following: accuracy 0.989, precision 0.98, recall 0.98 and F1-score 0.98. VGG19 architec ture was used as a feature extractor in combination with the support vector machine (SVM) classifier. The research has shown that anemia can be detected without a blood test with quic ker and reliable results.