Resumen

El aprendizaje automático es una rama de la informática que estudia el diseño de algoritmos con la capacidad de aprender. Un subcampo sería el aprendizaje profundo, que es una serie de técnicas que hacen uso de redes neuronales artificiales profundas, es decir, con más de una capa oculta, para imitar computacionalmente la estructura y el funcionamiento del órgano humano y enfermedades relacionadas. El análisis de imágenes de interés médico con aprendizaje profundo no se limita al uso de diagnóstico clínico. También puede, por ejemplo, facilitar la vigilancia de objetos portadores de enfermedades. Hay otros ejemplos de esfuerzos recientes para utilizar el aprendizaje profundo como herramienta para el uso diagnóstico. Las radiografías de tórax son un enfoque para identificar la tuberculosis; mediante el análisis de la radiografía, se pueden detectar anomalías. En este artículo se proporciona un método para detectar la presencia de tuberculosis en imágenes médicas de rayos X. Se utilizaron tres métodos de clasificación diferentes para evaluar el método: máquinas de vectores de soporte, regresión logística y vecinos más cercanos. La validación cruzada y la formación de conjuntos de entrenamiento y prueba fueron los dos escenarios de clasificación utilizados. Los resultados obtenidos nos permiten evaluar la practicidad de los métodos.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Aprendizaje automático; Aprendizaje profundo; Redes neuronales artificiales; Imágenes de interés sanitario; Uso diagnóstico; Tuberculosis.
• Keywords:Machine learning; Deep learning; Artificial neural networks; Health interest images; Diagnostic use; Tuberculosis