Inteligencia artificial: Desarrollo de algoritmos de clasificación y segmentación en radiografía de tórax

Abstract

Los algoritmos de inteligencia artificial han presentado un gran avance en las tareas relacionadas al reconocimiento de imágenes, siendo capaces de identificar patrones complejos y proporcionando una evaluación cuantitativa. El presente trabajo consistió en el diseño de dos nuevos modelos originales desarrollados con la modalidad de Deep Learning, el primero capaz de clasificar estructuras de la región torácica y la presencia de cardiomegalia, el segundo permite segmentar arcos costales posteriores de forma autónoma en radiografías de tórax posteroanterior. Los resultados obtenidos demostraron una exactitud del 100% para el primer modelo en la clasificación de estructuras torácicas, mientras que para la identificación de cardiomegalia la exactitud fue de 99.2 ± 0.8%. El segundo modelo de segmentación autónoma tiene una exactitud del 93 ± 29.0%. A partir de estos resultados y con el desarrollo actual de Deep Learning basado en la clasificación y localización consideramos que esta herramienta permitirá en el futuro automatizar algunos procesos que facilitarán la tarea de todos quienes se relacionan al diagnóstico por imágenes.

Los algoritmos de inteligencia artificial han presentado un gran avance en las tareas relacionadas al reconocimiento de imágenes, siendo capaces de identificar patrones complejos y proporcionando una evaluación cuantitativa. El presente trabajo consistió en el diseño de dos nuevos modelos originales desarrollados con la modalidad de Deep Learning, el primero capaz de clasificar estructuras de la región torácica y la presencia de cardiomegalia, el segundo permite segmentar arcos costales posteriores de forma autónoma en radiografías de tórax posteroanterior. Los resultados obtenidos demostraron una exactitud del 100% para el primer modelo en la clasificación de estructuras torácicas, mientras que para la identificación de cardiomegalia la exactitud fue de 99.2 ± 0.8%. El segundo modelo de segmentación autónoma tiene una exactitud del 93 ± 29.0%. A partir de estos resultados y con el desarrollo actual de Deep Learning basado en la clasificación y localización consideramos que esta herramienta permitirá en el futuro automatizar algunos procesos que facilitarán la tarea de todos quienes se relacionan al diagnóstico por imágenes.