Identificación y Clasificación de Imágenes Farmacéuticas mediante Técnicas de Visión e Inteligencia Artificial: Un Enfoque en Máquinas de Vectores de Soporte (SVM)
Palabras clave:
Aprendizaje de máquina, Inteligencia artificial, Visión ArtificialResumen
El presente trabajo se centra en la clasificación e identificación de fármacos en imágenes, con el propósito de facilitar su elección y/o administración adecuada a pacientes postrados. La implementación del algoritmo se realiza mediante la combinación de metodologías convencionales de visión artificial e inteligencia artificial. El preprocesamiento se emplea para llevar a cabo la segmentación de la imagen, utilizando la técnica de umbralización. Una vez completada la segmentación, se procede a la clasificación de las pastillas mediante técnicas de aprendizaje de máquina, también conocido como machine learning en inglés. En el contexto específico de este trabajo, se opta por el uso de máquinas de vectores de soporte (SVM por sus siglas en inglés), las cuales demuestran una notable eficacia en la clasificación de datos linealmente separables. Finalmente, el resultado es una imagen que muestra los distintos medicamentos clasificados y localizados en un plano cartesiano para su futuro suministro a cualquier paciente.Citas
Andhare, P., & Rawat, S. (2016). Pick and place industrial robot controller with computer vision. 2016 International Conference on Computing Communication Control and automation (ICCUBEA), 1-4.
Campbell, C., & Ying, Y. (2022). Learning with support vector machines. Springer Nature.
García, W., & Páez, E. (2021). Diseño de un sistema de conducción autónoma adaptado a una silla de ruedas eléctrica.
Gidudu, A., Hulley, G., & Tshilidzi, M. (2007). Classification of images using support vector machines.
Gonzalez R. C. & Woods R. E. (2002). Digital image processing (2nd ed.). Prentice Hall.
H. Xia, C. Wang, L. Yan, X. Dong and Y. Wang (2019). Machine Learning Based Medicine Distribution System. 2019 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS), 912-915.
Macías-Macías, J. M., Quintana, J. a. R., Aguirre, J. S. a. M., Murguía, M. I. C., & Sáenz, A. D. C. (2021). Procesamiento embebido de p300 basado en red neuronal convolucional para interfaz cerebro-computadora ubicua. RECIBE.
Mario I. Chacón M. (2007). Procesamiento digital de imágenes. Editorial Trillas.
McGibbon, C. A., Sexton, A., Gryfe, P., Dutta, T., Jayaraman, A., Deems-Dluhy, S., Novak, A. C., Fabara, E., Adans-Dester, C., & Bonato, P. (2021). Effect of using of a lower-extremity exoskeleton on disability of people with multiple sclerosis. Disability and Rehabilitation: Assistive Technology, 18(5), 475–482.
Medrano, J. A., Zendejas-Hernandez, I., & Sandoval-Rodríguez, R. (2014). Diseño de un Exoesqueleto de Miembros Inferiores para la Movilidad de Personas con Paraplejía.
Mogahed, H. S., & Ibrahim, M. M. (2023). Development of a motion controller for the electric wheelchair of quadriplegic patients using head movements recognition. IEEE Embedded Systems Letters, 1.
N. Hnoohom, S. Yuenyong and P. Chotivatunyu (2018). MEDiDEN: Automatic Medicine Identification Using a Deep Convolutional Neural Network. 2018 International Joint Symposium on Artificial Intelligence and Natural Language Processing (iSAI-NLP), 1-5.
Organization, W. H., & Society, I. S. C. (2013). International perspectives on Spinal cord Injury. World Health Organization.
Ou, Y., Tsai, A., Wang, J., & Lin, J. (2018). Automatic Drug Pills Detection based on Convolution Neural Network. 2018 International Conference on Orange Technologies (ICOT), 1-4.
Pascuas-Rengifo, Y., Vargas-Jara, E. O., & Sáenz-Núñez, M. (2015). Tecnologías de la información y las comunicaciones para personas con necesidades educativas especiales. Entramado, 11(2), 240– 248.
Pisner, D. A., & Schnyer, D. M. (2020). Support vector machine. In Machine learning (pp. 101-121). Academic Press.
Rafael C. González and Richard E. Woods (2006). Digital Image Processing (3rd Edition). Prentice- Hall, Inc., USA.
S. R. Shinde, K. Bhavsar, S. Kimbahune, S. Khandelwal, A. Ghose y A. Pal (2020). Detection of Counterfeit Medicines Using Hyperspectral Sensing. 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC).
Shah, F. P., & Patel, V. (2016, March). A review on feature selection and feature extraction for text classification. In 2016 international conference on wireless communications, signal processing and networking (WiSPNET) (pp. 2264-2268). IEEE.
Suthaharan, S., & Suthaharan, S. (2016). Support vector machine. Machine learning models and algorithms for big data classification: thinking with examples for effective learning, 207-235.
