Mamitas

Este repositorio contiene un modelo de segmentación para dermatomas podales basado en imágenes térmicas. Su objetivo principal es proporcionar herramientas y recursos para la segmentación de regiones específicas del pie, utilizando técnicas de aprendizaje profundo.

Contenido

El repositorio se organiza en los siguientes cuadernos Jupyter, divididos en dos grandes grupos de modelos:

ResUNet:

• resunet-mamitas-train:
  Cuaderno para entrenar el modelo ResUNet para segmentación de dermatomas podales.
• resunet-mamitas-test:
  Cuaderno para realizar inferencia con el modelo ResUNet entrenado.

YOLOv11:

• yolov11-mamitas-train:
  Cuaderno para entrenar YOLOv11 para segmentación de dermatomas podales.
• yolov11-mamitas-test:
  Cuaderno para realizar inferencia con el modelo YOLOv11 entrenado.

Requisitos

Para ejecutar estos cuadernos se requiere:

• Python 3.10 o superior
• TensorFlow 2.15 o superior
• PyTorch (para YOLOv11)
• OpenCV
• Matplotlib
• NumPy
• Kaggle API
• Roboflow API (para descarga y preprocesamiento de datos)
• Ultralytics (para YOLOv11)

Cómo usar

Entrenamiento

1. Clona este repositorio en tu máquina local o directamente en Kaggle.
2. Configura tu entorno con las dependencias necesarias.
3. Organiza tus datos térmicos en la estructura requerida (ver sección Estructura de Datos).
4. Selecciona el cuaderno de entrenamiento correspondiente al modelo que deseas utilizar (ResUNet o YOLOv11).
5. Ejecuta el cuaderno. Los modelos entrenados se guardarán automáticamente en la carpeta ./models/.

Inferencia

1. Una vez entrenado el modelo o si decides utilizar uno preentrenado, abre el cuaderno de inferencia correspondiente.
2. Asegúrate de tener las imágenes de prueba organizadas en la carpeta correcta (para ResUNet: ./datasets/Mamitas/Test/images/; para YOLOv11, se usará el archivo de configuración data.yaml generado durante el proceso de descarga).
3. Ejecuta el cuaderno para obtener los resultados de segmentación.

Estructura de Datos

Los cuadernos esperan que los datos estén organizados de la siguiente manera:

datasets/ 
└── Mamitas/
  ├── Train/
  │ ├── images/
  │ └── masks/
  ├── Valid/
  │ ├── images/
  │ └── masks/
  ├── Test/
  │ ├── images/
  │ └── masks/

Para YOLOv11, la estructura es ligeramente diferente y se configura mediante el archivo data.yaml que se genera al descargar el dataset.

Resultados Esperados

A continuación, se muestran algunas métricas de rendimiento (ejemplo) que se han obtenido en el proyecto para la segmentación de dermatomas podales:

Modelo	Variante	Dice Coefficient	Jaccard Index	Sensitivity	Specificity	Precision (P)	Recall (R)	mAP50	mAP50-95
ResUNet	default	0.97410	0.95062	0.97275	0.97275	-	-	-	-
YOLOv11 (Seg)	segmentation	-	-	-	-	0.983	1	0.99	0.99

Los cuadernos incluyen visualizaciones de los resultados de entrenamiento y ejemplos de inferencia. Los modelos entrenados se guardan en la carpeta ./models/ y los resultados de evaluación se almacenan en ./results/.

Base de datos

Datos roboflow

Contribuciones

¡Las contribuciones son bienvenidas! Si encuentras errores o tienes sugerencias para mejorar estos cuadernos, por favor abre un issue o envía una pull request.

Licencia

Este proyecto se distribuye bajo la licencia BSD 2-Clause. Consulta el archivo LICENSE para más detalles.

¡Listo para segmentar dermatomas podales con técnicas de aprendizaje profundo! 👣🔥