Datación de equimosis usando aprendizaje profundo

Abstract

La datación (determinar la edad) de una equimosis es importante en casos de violencia física, con implicancias medico legales. El método más común consiste en usar escalas de colores, pero estudios demuestran que este método tiene un 50 % de precisión, ya que la evolución de una equimosis es muy variable. Esta tesis propone un método basado en redes neuronales convolucionales profundas para datación de equimosis haciendo uso solo de fotografías. Se construyó un conjunto de datos de fotografías de equimosis a través de un experimento controlado, obteniendo 2140 fotografías, siguiendo un protocolo de captura de imágenes diseñado para esta investigación. Posteriormente, 20 variantes de modelos de redes neuronales convolucionales profundas, basadas en las arquitecturas InceptionV3, Resnet50, MobileNet y MnasNet, fueron entrenados. Se aplicaron técnicas como transferencia de aprendizaje, validación cruzada y aumento de datos. Durante el análisis de los resultados, se halló que los modelos basados en MnasNet tienen el mejor desempeño, con un 97 % de precisión y sensibilidad, y 99.5 % de especificidad, excediendo lo reportado en la literatura. El mejor modelo obtenido fue implementado en una aplicación web, con los requerimientos funcionales definidos por un especialista forense del Instituto de Medicina Legal del Perú.