Resumen

Los sistemas de detección asistida por ordenador tienen como objetivo la detección automática de enfermedades utilizando diferentes modalidades de imagen médica. En este trabajo se propone un enfoque novedoso para detectar normalidad/patología en radiografías digitales de tórax. El problema abordado es complicado, ya que no se centra en enfermedades concretas, sino en cualquier cosa que difiera de lo que se considera normalidad. En primer lugar, las áreas de interés del tórax se encuentran utilizando la coincidencia de plantillas en las imágenes. A continuación, se calcula un descriptor de textura denominado patrones binarios locales (LBP) para esas zonas. A continuación, los histogramas LBP se aplican en un algoritmo clasificador, que produce la decisión final de normalidad/patología. Nuestros resultados experimentales demuestran la viabilidad de la propuesta, con tasas de éxito superiores al 87% en los mejores casos. Además, nuestra técnica es capaz de localizar las posibles áreas de patología en radiografías no normales. En las Conclusiones se describen los puntos fuertes y las limitaciones del enfoque propuesto.

• Materias:Procesos de atención Servicio ambulatorio Estancia hospitalaria Análisis cinemáticos Variantes genéticas
• Subjects:Care processes Outpatient service Hospital stay Kinematic analysis Genetic variants
• Palabras claves:diferentes modalidades de imagen médica, radiografías digitales de tórax, patrones binarios locales, áreas, normalidad, patología, histogramas LBP, detección automática, mejores casos, algoritmo clasificador.
• Keywords:different medical imaging modalities, digital chest radiographs, local binary patterns, areas, normality, pathology, LBP histograms, automatic detection, best cases, classifier algorithm