Osteología inteligente: un sistema de dos etapas impulsado por IA para la detección y clasificación de huesos largos...

Área de la Ciencia:

• La anatomía veterinaria
• Ciencias forenses
• Inteligencia artificial

Sus antecedentes:

• La identificación precisa de los tipos y especies de huesos es crucial en la anatomía veterinaria, la medicina forense y la arqueología.
• Los métodos existentes pueden carecer de la velocidad, la precisión o la accesibilidad requeridas para diversas aplicaciones de campo.

Objetivo del estudio:

• Desarrollar y validar un sistema impulsado por IA para la detección y clasificación automática de huesos.
• Mejorar la aplicabilidad de la IA en la educación veterinaria, las investigaciones forenses y los estudios arqueológicos.

Principales métodos:

• Utilizó el algoritmo YOLO para la detección de huesos en imágenes de escápula, húmero y fémur de ganado, caballos y perros.
• Se emplean redes neuronales convolucionales (CNN) para la clasificación del tipo de hueso y de la especie.
• Entrenado el modelo en un conjunto de datos de 26.148 imágenes.

Principales resultados:

• Logró una alta tasa de precisión de hasta el 97,6% para la detección y clasificación de huesos.
• Desarrolló un sistema desplegable en dispositivos móviles y como un modelo cerrado fuera de línea para mejorar la seguridad de los datos.
• Se ha integrado un asistente virtual para la interacción con el usuario (texto/voz) y la generación de resultados en formato PDF.

Conclusiones:

• El sistema de IA demuestra un potencial significativo para la transformación digital en la educación de anatomía veterinaria, medicina forense, arqueología e investigación de la escena del crimen.
• La precisión del sistema, las características de seguridad y la interfaz fácil de usar apoyan su aplicación práctica en campos críticos.
• Este estudio sienta las bases para futuros avances en el análisis forense y anatómico impulsado por IA.