Optimización de Imágenes Laparoscópicas mediante la Incrustación de un Canal Guiado en Redes Generativas Adversariales Condicionales

Sebastián Salazar-Colores (CIO)

La claridad en las imágenes de cirugía laparoscópica es vital para garantizar procedimientos seguros y precisos. No obstante, la presencia de humo puede deteriorar significativamente la calidad de dichas imágenes. En este trabajo, presentamos un método vanguardista que utiliza una red generativa adversaria condicional (cGAN) para mejorar la nitidez de las imágenes. Lo que diferencia a nuestro enfoque es la incorporación de un canal guiado, diseñado a través de técnicas basadas en heurística, que actúa como una referencia para la red, permitiendo una atención dirigida a áreas específicas afectadas por el humo. Los resultados experimentales muestran que este enfoque integrado supera significativamente a otros métodos convencionales, proporcionando imágenes de alta calidad y tiempos de procesamiento que sientan las bases para posibles implementaciones en tiempo real en sistemas embebidos..