Resumen

La detección y el diagnóstico precoz de la tuberculosis desempeñan un papel importante en el control y el tratamiento de las infecciones tuberculosas. En este trabajo, se propone un sistema integrado asistido por ordenador basado en aprendizaje profundo para la detección de múltiples categorías de lesiones tuberculosas en radiografías de tórax. En este sistema, el método de red neuronal totalmente convolucional se utiliza para segmentar el área pulmonar de toda la radiografía de tórax para la detección de la tuberculosis pulmonar. A diferencia del análisis previo de toda la radiografía de tórax, nos centramos en las áreas específicas de lesión tuberculosa para el análisis y proponemos el primer método de detección de lesiones tuberculosas multicategoría. En él, se introduce una estructura piramidal escalable de aprendizaje en la red convolucional basada en regiones más rápida (Faster RCNN), que mejora eficazmente la detección de lesiones de áreas pequeñas, extrae muestras indistinguibles durante el proceso de entrenamiento y utiliza el aprendizaje por refuerzo para reducir la detección de lesiones falsas positivas. Para comparar nuestro método con el sistema actual de detección de la tuberculosis, proponemos una regla de clasificación para radiografías de tórax completas utilizando un modelo de detección de lesiones tuberculosas multicategoría y logramos un buen rendimiento en dos conjuntos de datos públicos (Montgomery: AUC = 0,977 y precisión = 0,926; Shenzhen: AUC = 0,941 y precisión = 0,902). Nuestro sistema asistido por ordenador propuesto es superior a los sistemas actuales y puede utilizarse para ayudar a los radiólogos en el diagnóstico y a los proveedores de salud pública en el cribado de la tuberculosis en zonas donde esta enfermedad es endémica.

• Materias:Inteligencia artificial Big Data Registros médicos electrónicos Acelerómetros Antecedentes teóricos
• Subjects:Artificial intelligence Big Data Electronic medical records Accelerometers Theoretical background
• Palabras claves:detección, sistema, tuberculosis, método de red neuronal convolucional, sistema actual de detección de la tuberculosis, primer método multicategoría de detección de lesiones tuberculosas, modelo multicategoría de detección de lesiones tuberculosas, zonas específicas de lesiones tuberculosas, radiografía completa de tórax, proveedores de salud pública
• Keywords:detection, system, tuberculosis, convolutional neural network method, current tuberculosis detection system, first multicategory tuberculosis lesion detection method, multicategory tuberculosis lesion detection model, specific tuberculosis lesion areas, entire chest radiograph, public health providers