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

Abstract

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. Abstract Artificial intelligence algorithms have developed a great advance in image recognition related tasks, being able to identify complex patterns and providing quantitative information. This paper shows the design process of two new Deep Learning models, the first one capable of classifying thoracic structures and the presence of cardiomegaly; the second one allows posterior rib arches autonomous segmentation in posterior-anterior chest X-rays. The results showed 100% accuracy for the thoracic structures classification model, while for the cardiomegaly identification model, the accuracy was 99.2 ± 0.8%. The second autonomous segmentation model showed 93 ± 29.0% accuracy. Based on these results and with the current Deep Learning development, we consider this tool will help automate processes that will facilitate the task of all those who are related to diagnostic imaging.