Detección de isquemia e infección en ulceras del Pie Diabético: una solución con Inteligencia Artificial Explicable mediante mapas autoorganizados.

Abstract

[spa] Este proyecto presenta una arquitectura novedosa para mejorar la explicabilidad de modelos de aprendizaje profundo en la detección de isquemia e infección en úlceras del pie diabético (DFU). La novedad yace en utilizar un Mapa Autoorganizado (Self Organizing Map) para visualizar en un mapa bidimensional las características avanzadas de una red neuronal, ayudando así a entender las predicciones del modelo. Adicionalmente, este mapa fomenta la integración de otras técnicas de explicabilidad como prototipos y mapas de calor para ilustrar y explicar las decisiones de la inteligencia artificial. Finalmente, se incluye una evaluación del XAI con métodos automáticos y humanos para validar la comprensión y efectividad de las explicaciones de las respuestas generadas por la IA, promoviendo potenciales mejoras en la detección temprana y calidad de vida de pacientes con DFU

[eng] This project presents a novel architecture to enhance the explainability of deep learning models in the detection of ischemia and infection in diabetic foot ulcers (DFU). The originality lies in using a Self-Organizing Map (SOM) to visualize advanced features of a neural network in a twodimensional map, giving support in understanding the model’s predictions. Additionally, this map promotes the integration of other explainability techniques such as prototype-based eXplainable AI (XAI) and heatmaps to show and explain the decisions made by artificial intelligence. Finally, the study includes an evaluation of XAI using both automatic methods and human evaluation to validate the understanding and effectiveness of explanations of AI-generated outcomes. In the end, fostering potential improvements in early detection and quality of life for DFU patients