Mejora del diagnóstico médico de radiografías de tórax usando aprendizaje profundo con aumento gradual de iteraciones

Resumen

La neumonía es una afección inflamatoria del pulmón que afecta a los alvéolos. El diagnóstico se basa en los síntomas y en el examen físico. Las radiografías de tórax son utilizadas como alternativa para validar el diagnóstico. En el presente trabajo se presenta una metodología para llevar a cabo el procesamiento de imágenes basado en aprendizaje automático e inteligencia artificial con la finalidad de llevar a cabo una clasificación automática de dichas imágenes. Se presentan resultados de experimentos realizados en dos escenarios de clasificación: validación cruzada y conjuntos de entrenamiento y prueba. Se utilizaron cinco métodos de aprendizaje automático distintos en cada escenario de clasificación, así como cinco métricas de evaluación. De igual manera, se preprocesaron las imágenes con cinco filtros, además de las imágenes originales. Se utilizó el descriptor de característica de histograma de gradientes orientados para medir la efectividad en ambos casos: originales y con filtros. La configuración del experimento fue planteada de manera que permitiera identificar las mejores condiciones de clasificación, permitiendo, además, observar de una manera clara en las métricas de evaluación utilizadas el impacto del tamaño del conjunto de entrenamiento. Los resultados obtenidos permiten ver la efectividad de la metodología implementada, en virtud de que los resultados son competitivos con los reportados en el estado de arte.