Desarrollo de un sistema basado en deep learning para la estimación de la edad usando imagen radiológica de rodilla

Abstract

En el campo de la Antropología Forense (AF), la estimación de la edad constituye una tarea de alta relevancia, tanto para los procesos de identificación forense como para los procedimientos legales asociados. Esta labor adquiere una importancia clave cuando se trata de personas vivas que carecen de documentación oficial verificable. Es en este contexto donde las técnicas propias de la AF adquieren una especial relevancia, al proporcionar una opinión fundamentada desde una perspectiva científica y objetiva.

El uso de la rodilla como región anatómica para la estimación de la edad sigue siendo un área de estudio limitada y compleja. Asimismo, la adopción de la Inteligencia Artificial (IA) como herramienta de apoyo en la AF aún se encuentra poco explorada. Por esta razón, el presente Trabajo de Fin de Grado aborda el problema de la estimación de la edad a partir de imágenes radiológicas de la rodilla mediante el empleo de técnicas de IA.

Este estudio emplea un conjunto de imágenes 3D obtenidas mediante resonancia magnética nuclear, prueba que presenta diversas ventajas. Entre ellas sobresale la ausencia de exposición del paciente a radiación ionizante, aspecto fundamental cuando se trabaja con personas vivas. Se han desarrollado varios modelos capaces de llevar a cabo esta tarea de manera completamente automática. Paralelamente, se han propuesto distintos métodos de preprocesamiento de datos, destacando el empleo del algoritmo de Otsu. Cabe subrayar que, a diferencia de algunos métodos descritos en la literatura, el enfoque propuesto no requiere procedimientos adicionales de etiquetado. A pesar de estas contribuciones, los resultados obtenidos (Error Medio Absoluto, MAE, de 2,2 años) se sitúan todavía lejos del umbral de precisión necesario para aplicaciones forenses reales, en los cuales es necesaria una precisión igual o superior al 99 %.

Se concluye que el desarrollo de un sistema robusto y fiable es una tarea compleja, que depende en gran medida de la calidad y cantidad de las imágenes utilizadas, así como de factores relacionados con la salud, los hábitos de vida y el origen de los individuos analizados.

In the field of Forensic Anthropology (FA), age estimation is a task of high relevance, both for forensic identification processes and the associated legal procedures. This task becomes particularly crucial when dealing with living individuals who lack verifiable official documentation. It is in this context that the techniques inherent to FA take on special importance, as they provide an informed opinion based on a scientific and objective perspective. The use of the knee as an anatomical region for age estimation remains a limited and complex area of study. Likewise, the adoption of Artificial Intelligence (AI) as a support tool in FA is still underexplored. For this reason, this Bachelor’s Thesis addresses the problem of age estimation from knee radiological images through the use of AI techniques. This study utilizes a set of 3D images obtained via magnetic resonance imaging (MRI), a test that presents various advantages. Among them, the absence of exposing the patient to ionizing radiation stands out, a crucial aspect when working with living individuals. Several models capable of performing this task fully automatically have been developed. Concurrently, various data preprocessing methods have been proposed, with the Otsu algorithm standing out. It is important to note that, unlike some methods described in the literature, the proposed approach does not require additional labeling procedures. Despite these contributions, the results obtained (Mean Absolute Error (MAE) of 2.2 years) are still far from the precision threshold needed for real forensic applications, where an accuracy of 99% or higher is required. In conclusion, the development of a robust and reliable system is a complex task, largely dependent on the quality and quantity of the images used, as well as factors related to health, lifestyle habits, and the origin of the individuals analyzed.