Resumen

La tuberculosis (TB) sigue siendo una enfermedad potencialmente mortal y es una de las principales causas de mortalidad en las regiones en desarrollo debido a la pobreza y a la insuficiencia de recursos médicos. La tuberculosis es medicable, pero requiere un diagnóstico precoz mediante técnicas de cribado fiables. La radiografía de tórax es un procedimiento de cribado recomendado para identificar anomalías pulmonares. Sin embargo, esta recomendación no es suficiente si no hay radiólogos experimentados que interpreten los resultados del cribado, lo que forma parte de los problemas en las comunidades rurales. Por ello, se han desarrollado varios sistemas de diagnóstico asistido por ordenador para la detección automática de la tuberculosis. Sin embargo, su sensibilidad y precisión siguen siendo retos importantes que requieren una mejora constante debido a la gravedad de la enfermedad. Por ello, este estudio explora la aplicación de un modelo de red neuronal convolucional de última generación (EfficientNets) para la clasificación de la tuberculosis. Precisamente, se ajustaron cinco variantes de EfficientNets y se implementaron en dos conjuntos de datos de radiografías de tórax destacados y disponibles públicamente (Montgomery y Shenzhen). Los experimentos realizados demuestran que EfficientNet-B4 alcanzó la mejor precisión de 92,33 y 94,35% en ambos conjuntos de datos. Estos resultados se mejoraron mediante el aprendizaje conjunto y alcanzaron el 97,44%. El rendimiento registrado en este estudio demuestra la eficacia del ajuste de EfficientNets en la clasificación de imágenes médicas a través de Ensemble.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:clasificación de imágenes médicas, detección de la tuberculosis, red neuronal convolucional, recursos médicos inadecuados, causa de mortalidad, sistema de diagnóstico asistido, variante de efficientnets, procedimientos de cribado recomendados, técnicas de cribado fiables, clasificación de la tuberculosis
• Keywords:medical imaging classification, detection of tuberculosis, convolutional neural network, inadequate medical resources, cause of mortality, aided diagnostic system, variant of efficientnets, recommended screening procedures, reliable screening techniques, classification of tuberculosis