Diseño de plugin sobre Raspberry Pi IV para clasificación en tiempo real del Hemangioma Infantil

Abstract

El Hemangioma Infantil (HI) es el tumor vascular más común en la infancia, con una incidencia significativa en recién nacidos. Aunque en muchos casos tiende a desaparecer, un porcentaje no despreciable puede derivar en complicaciones graves como ulceraciones o fallos cardíacos. La detección y clasificación temprana del HI es esencial para una intervención médica oportuna. Este trabajo desarrolla un plugin ejecutable en una Raspberry Pi IV, que permite clasificar imágenes de HI en tiempo real utilizando algoritmos de Machine Learning. A partir de la adaptación de modelos previamente diseñados en MATLAB, se implementan en Python técnicas de segmentación, extracción de características y clasificación multiclase (kNN, SVM, MLP). El plugin busca su integración en un dispositivo médico portable, buscando ofrecer una herramienta complementaria para profesionales sanitarios. La propuesta valida su funcionamiento mediante simulaciones y pruebas, logrando una clasificación precisa, intuitiva y compatible con el entorno clínico.