Detección de presencia patológica en radiografías basada en un marco de deep learning

Abstract

El proceso de diagnóstico de las enfermedades respiratorias requiere experiencia y habilidades para evaluar las diferentes patologías que pueden desarrollarse en los pacientes. Desgraciadamente, la falta de radiólogos cualificados es un problema global que limita el diagnóstico de las enfermedades respiratorias. Por lo tanto, será útil contar con una herramienta que minimice los errores, la carga de trabajo, mejore la eficiencia y agilice el proceso de diagnóstico para brindar un mejor servicio de salud a la comunidad. Esta investigación propone una metodología para la detección de presencia patológica utilizando arquitecturas de deep learning. La presente propuesta se divide en tres tipos de experimentos. El primero evalúa el rendimiento de descriptores de características como SIFT, SURF y ORB en imágenes médicas con modelos de machine learning como introducción al último experimento. A continuación, se evalúa el rendimiento de arquitecturas de deep learning como ResNet50, Alexnet, VGG16 y LeNet. Por último, se evalúa la combinación de clasificadores de aprendizaje profundo y aprendizaje automático. Además, introducimos un nuevo conjunto de datos de rayos X de