Video Experimental Relacionado
Updated: Feb 19, 2026
Author Spotlight: Development of an Automated Camera-Based System for Real-Time Blast Overpressure Monitoring and TBI Risk Assessment in Military Training
Published on: December 6, 2024
Aprendizaje profundo y clasificación de heridas de bala: un estudio piloto
Giuseppe Delogu1, Nicola Di Fazio2, Gabriele Licciardello3
1Department of Anatomical, Histological, Forensic and Orthopedic Science, Sapienza University, Rome, Italy.
El aprendizaje profundo muestra una gran promesa en patología forense para clasificar heridas de bala (GSW), superando potencialmente la precisión humana en el reconocimiento de patrones. Se recomienda una mayor investigación multicéntrica para desarrollar un modelo robusto de inteligencia artificial para aplicaciones forenses.
Área de la Ciencia:
- Patología forense
- Inteligencia artificial
- Análisis de imágenes médicas
Sus antecedentes:
- Las aplicaciones de aprendizaje profundo (DL) en medicina forense están surgiendo, particularmente para tareas de análisis visual.
- Estudios previos demostraron el potencial de la IA en la predicción de la distancia de disparo a partir de imágenes de GSW con alta precisión.
- La patología forense puede beneficiarse de herramientas de IA para mejorar el análisis visual de la evidencia.
Objetivo del estudio:
- Explorar la aplicación de técnicas de aprendizaje profundo para la clasificación de heridas de bala (GSW).
- Evaluar el rendimiento de la IA en el reconocimiento de patrones de GSW en comparación con los puntos de referencia existentes.
- Evaluar la viabilidad de la IA en patología forense para el análisis de heridas.
Principales métodos:
- Se utilizó el software Lobe AI para un estudio de 4 fases: entrenamiento, validación, prueba y análisis de datos.
- Se clasificaron las GSW en cuatro categorías: GSW, heridas de entrada/salida, rango de disparo y tipo de munición.
- Se entrenó el modelo de IA utilizando imágenes de un atlas forense y se probó con fotografías de historiales de casos y controles de piel intacta.
Principales resultados:
- Se observaron datos alentadores, con numerosos parámetros que superan los umbrales de rendimiento humano.
- Se lograron altos valores predictivos en áreas específicas, superando la evidencia científica previa.
- La IA demostró un gran potencial en la clasificación de las características de las GSW.
Conclusiones:
- La limitada disponibilidad de datos fue una limitación intrínseca, lo que requiere un mayor desarrollo de algoritmos.
- El estudio destaca el potencial de la IA en patología forense, con fortalezas en el análisis de categorías y el uso de controles.
- La futura investigación multicéntrica con tamaños de muestra más grandes es crucial para desarrollar un modelo de IA forense generalizable.
