Description of an automated algorithm based on artificial neuronal networks for the detection of fractures from X-Ray images pre-processed

Abstract

Las fracturas óseas se han convertido en unas de las condiciones médicas más atendidas en hospitales, debido a que sus causas como lesiones deportivas, accidentes automovilísticos, caídas, entre otras. Ocurren diariamente en todas partes del mundo. Entre los métodos de diagnóstico más efectivo se observa las imágenes basadas en rayos X, tomografías computa- rizadas o en casos extremos se hacen estudios de resonancias magnéticas. Estos métodos presentan una alta precisión debido a que son realizados y diagnosticados por profesionales, pero no son los más óptimos en relación a tiempo debido a la gran cantidad de evaluaciones que debe hacer una misma persona. Este proyecto investigación desarrolla un algoritmo de clasificación y diagnóstico de fracturas de humero con la finalidad de demostrar la importancia del uno de aprendizaje automático en el área de la salud. Dicho algoritmo fue basado en redes neuronales artificiales y entrenado con una base de datos de imágenes de rayos X de fracturas de hueso y huesos sanos de humero. Además de ello, se ha entrenado con varios re-escalamiento de las imágenes de entrada para identificar un tamaño optimo donde la red neuronal no omita patrones importantes para la clasificación entre las etiquetas. Los entrenamientos a diferentes tamaños obtuvieron valores superiores al 90% de exactitud y con la realización de métodos de validación como matriz de confusión, sensibilidad, F1- score, MCC, entre otros, nos ha permitido demostrar que el algoritmo desarrollado presenta un optimo rendimiento para diagnóstico de fracturas, además de tener valores similares o superiores a trabajos relacionados.