Resumen

ASTUDILLO DELGADO, VICTOR MANUEL  y  REVELO LUNA, DAVID ARMANDO. Apoyo al diagnóstico de neumonía y detección de opacidades pulmonares usando segmentación de instancias semánticas en imágenes de rayos X de tórax. Ing. Desarro. [online]. 2021, vol.39, n.2, pp.259-274.  Epub 23-Abr-2022. ISSN 0122-3461.  https://doi.org/10.14482/inde.39.2.621.367.

La neumonía es una enfermedad que ha causado gran cantidad de muertes a nivel mundial. Los métodos de detección de neumonía: pruebas de sangre, prueba de esputo, tomografía computarizada y las radiografías (RX) de tórax en general requieren de un médico especialista y tiempo para su análisis. El objetivo de esta investigación fue generar un modelo basado en instancias semánticas y aprendizaje profundo (Mask-RCNN) que permita el apoyo en el diagnóstico de opacidades pulmonares y neumonía. Usando i2 o24 imágenes de radiografías de rayos X de tórax se realizaron 3 experimentos, en los que se variaron las condiciones de las imágenes del dataset (expi: imágenes RX pacientes con neumonía, exp2: imágenes RX pacientes sanos y con neumonía, exp3: imágenes RX pacientes sanos y con neumonía, más data augmentation). Para los 3 experimentos se realizó un preprocesamiento de ecualización de histograma. Para evaluar el desempeño de los modelos de identificación de opacidades y clasificación de pacientes con neumonía, se utilizaron los parámetros intersección sobre la unión, precisión, recall, F1score y accuracy. Se encontró que la métrica de mejor desempeño fue recall para el experimento i tanto para la detección de opacidades como de neumonía.

Palabras clave : aumento de datos; intersección sobre la unión; redes neuronales convolucionales; Resnet5o; Sociedad Radiológica de Norteamérica.

        · resumen en Inglés     · texto en Español     · Español ( pdf )