Abstract

PUERTA BARRERA, Juan Felipe; AMAYA HURTADO, Dario  and  JIMENEZ MORENO, Robinson. SISTEMA DE PREDICCIÓN DE ERITEMA PARA FOTOTIPO I Y II, UTILIZANDO DEEP-LEARNING. Vitae [online]. 2015, vol.22, n.3, pp.189-196. ISSN 0121-4004.  https://doi.org/10.17533/udea.vitae.v22n3a03.

Antecedentes: El sol es una fuente natural de radiación electromagnética, en la cual se encuentran presentes los rayos ultravioleta (UV), de los cuales solo los tipos A y B (de Paula Corrêa, 2005) pueden irradiar sobre la superficie de la tierra en distintas proporciones. Aunque el sol le ayuda a la piel en el proceso de formación de la vitamina D, además de favorecer la mineralización de los huesos, y la absorcón de calcio y fósforo en el organismo, puede ocasionar daños sobre la piel ante exposiciones prolongadas a la radiación UV, generando efectos adversos sobre la salud humana como eritemas, foto toxicidad, foto alergia, lesiones idiopáticas, foto dermatitis, entre otras. En este trabajo, se presentan los resultados del desarrollo de un sistema de predicción del tiempo de exposición de una persona, a rayos UV provenientes del sol, que pueden producir eritemas sobre la piel, utilizando la estandarización del índice ultravioleta y los límites de dosis de radiación permitidos para los fototipos cutáneos I y II, con el objetivo de prever la generación de este tipo de lesiones. Esto se realizó a través de la implementación de algoritmos de inteligencia artificial como Deep Belief Networks y Backpropagation, basados en la técnica de Deep Learning. Este algoritmo, utiliza como parámetros de entrenamiento para la red neuronal, los datos meteorológicos como el índice de cielo despejado, la radiación sobre la superficie horizontal de la tierra, y la temperatura promedio del día, provistos por National Aeronautics and Space Administration (NASA). Con estos datos se entrenó una red neuronal con el objeto de pronosticar el índice UV del año posterior a los datos de entrada, adicionalmente se aplicaron algunas regresiones matemáticas permitiendo de esta manera, obtener una aproximación al comportamiento del índice UV a lo largo del día. De igual manera, esta información se empleó para estimar los tiempos de exposición solar máximos, para el periodo de tiempo comprendido entre las 6:00 a.m. y las 6:00 p.m. En este artículo, también se presentan algunas conclusiones basadas en los resultados encontrados, las cuales tratan de establecer algunas consideraciones importantes para implementar este tipo de redes neuronales.

Keywords : Eritema; fototipo; índice ultravioleta; predicción; inteligencia artificial.

        · abstract in English     · text in English     · English ( pdf )