Detección no invasiva de la anemia ferropénica mediante reconocimiento de imágenes de la palma de la mano

Abstract

Detección no invasiva de la anemia ferropénica mediante reconocimiento de imágenes de la palma de la mano La detección de la anemia ferropénica tiene muchas complicaciones tanto por lo procesos que se llevan a cabo para determinar su nivel en sangre, esto con respecto a los métodos tradicionales invasivos que se utilizan para que esta enfermedad sea detectada, haciendo uso de jeringas, agujas y sofisticados laboratorios, dicho análisis tiene distintos tipos de complicaciones ya que pueden presentarse riesgos de infección, dolor y alergia. Por tanto, esta investigación propone desarrollar un modelo de Deep Learning con imágenes de la palma de la mano para medir los niveles Hb en sangre proporcionando un método no-invasivo. Para ello, se realizará un estudio de aplicativo, nivel experimental-factorial. La muestra corresponderá a 930 estudiantes de la Universidad Nacional de San Martín de las cuales el 80% será para el entrenamiento y 20% para las pruebas del modelo. Así mismo, se realizará una campaña para realizar el testeo del modelo y su proximidad optima frente a los resultados obtenidos por un dispositivo no invasivo que se utilizará para saber los niveles de Hb de los estudiantes y poder realizar un etiquetado de las muestras. Para responder la hipótesis y los objetivos de la investigación, se empleará estadística descriptiva e inferencial, de donde se espera conocer la precisión del modelo frente al dispositivo no invasivo. Por otro lado, el desarrollo del modelo será bajo la metodología scrum, para garantizar la mayor efectividad durante del preprocesamiento. Finalmente, esta investigación busca contribuir en la salud de la sociedad frente a métodos invasivos que también suelen ser costosos para una cierta parte de la población.Noninvasive detection of iron deficiency anemia using palm image recognition The detection of iron deficiency anemia has many complications due to the procedures that are carried out to determine its level in blood, this regarding the traditional invasive methods that are used for this disease to be detected, using syringes, needles and sophisticated laboratories, such analysis has different types of complications as there may be risks of infection, pain and allergy. Therefore, this research proposes to develop a Deep Learning model with images of the palm of the hand to measure Hb levels in blood by providing a non-invasive method. For this purpose, an applicative, experimental-factorial study was carried out. The sample included 930 students from the Universidad Nacional de San Martín, of which 80% were for training and 20% for testing the model. Likewise, a campaign was carried out to test the model and its optimal proximity to the results obtained by a non-invasive device used to determine the Hb levels of the students and to label the samples. To answer the hypothesis and objectives of the research, descriptive and inferential statistics were used, from which it is expected to identify the accuracy of the model against the non-invasive device. On the other hand, the development of the model was carried out under the scrum methodology, in order to guarantee the highest effectiveness during the preprocessing. Finally, this research aims to contribute to the health of society in the face of invasive methods that are also usually expensive for a certain part of the population.