Resumen

Las enfermedades torácicas son problemas de salud muy graves en la vida de las personas. Entre ellas se encuentran la enfermedad pulmonar obstructiva crónica, la neumonía, el asma, la tuberculosis y las enfermedades pulmonares. El diagnóstico oportuno de las enfermedades torácicas es muy importante. Se han desarrollado muchos métodos con este fin. En este artículo, demostramos la viabilidad de clasificar las patologías torácicas en radiografías de tórax utilizando enfoques convencionales y de aprendizaje profundo. En el artículo, se presentan redes neuronales convolucionales (CNN) para el diagnóstico de enfermedades torácicas. Se presenta la arquitectura de las CNN y su principio de diseño. Con fines comparativos, también se construyen redes neuronales de retropropagación (BPNN) con aprendizaje supervisado y redes neuronales competitivas (CpNN) con aprendizaje no supervisado para el diagnóstico de enfermedades torácicas. Todas las redes consideradas CNN, BPNN y CpNN se entrenan y prueban en la misma base de datos de radiografías de tórax, y se analiza el rendimiento de cada red. Se presentan resultados comparativos en términos de precisión, tasa de error y tiempo de entrenamiento entre las redes.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:enfermedades torácicas, enfermedad pulmonar obstructiva crónica, redes neuronales competitivas, redes neuronales convolucionales, enfoques de aprendizaje profundo, diagnóstico enfermedades torácicas, misma X torácica, problemas graves de salud, artículo, Enfermedades torácicas
• Keywords:chest diseases, chronic obstructive pulmonary disease, competitive neural networks, convolutional neural networks, deep learning approaches, diagnosis chest diseases, same chest X, serious health problems, paper, Chest diseases