Clasificacion De Imagenes Radiograficas Utilizando Inteligencia Artificial

Abstract

La clasificación precisa de imágenes radiográficas es fundamental en medicina, ya que estas imágenes proporcionan información para el diagnóstico y tratamiento de enfermedades y lesiones. La correcta interpretación de estas imágenes mejora la precisión diagnóstica y optimiza la planificación de tratamientos, lo cual es crucial en entornos clínicos donde el tiempo es esencial. Este TFG (Trabajo Fin de Grado) se centra en el desarrollo de un sistema para la clasificación de imágenes radiográficas entre normales y anormales utilizando inteligencia artificial (IA), con el objetivo de mejorar la precisión y eficiencia en el diagnóstico médico en atención primaria, donde muchas veces no hay médicos especialistas para dar un diagnóstico preciso, conllevando a tardanzas debido a la necesidad de consultar con médicos especializados o incluso en errores diagnósticos. Específicamente, se ha implementado un modelo de aprendizaje profundo para analizar y clasificar imágenes radiográficas, empleando técnicas avanzadas de redes neuronales convolucionales (CNN). En particular, se ha utilizado una arquitectura DenseNet, conocida por su capacidad para mejorar la propagación de información y gradientes a través de la red, lo que resulta en un modelo más eficiente y preciso. Para el desarrollo y entrenamiento del modelo, se utilizó la base de datos MURA (Musculoskeletal Radiographs), una de las colecciones más grandes de imágenes radiográficas de extremidades disponibles públicamente. Los resultados obtenidos durante el desarrollo y las pruebas demostraron que el sistema es capaz de clasificar imágenes radiográficas con alta precisión. Este TFG demuestra el potencial de la inteligencia artificial para revolucionar el campo de la radiología, ofreciendo una herramienta poderosa que puede integrarse en sistemas médicos existentes para mejorar la calidad y rapidez del diagnóstico.

Accurate classification of radiographic images is fundamental in medicine, as these images provide information for the diagnosis and treatment of diseases and injuries. Correct interpretation of these images enhances diagnostic precision and optimizes treatment planning, which is crucial in clinical settings where time is essential. This Final Degree Project (TFG) focuses on developing a system for classifying radiographic images into normal and abnormal using artificial intelligence (AI), with the aim of improving diagnostic precision and efficiency in primary care, where there are often no specialist doctors available to provide an accurate diagnosis, leading to delays due to the need to consult with specialists or even diagnostic errors. Specifically, a deep learning model has been implemented to analyze and classify radiographic images, employing advanced techniques of convolutional neural networks (CNN). In particular, a DenseNet architecture was used, known for its ability to improve the propagation of information and gradients through the network, resulting in a more efficient and accurate model. For the development and training of the model, the MURA (Musculoskeletal Radiographs) database was used, one of the largest publicly available collections of extremity radiographic images. The results obtained during development and testing demonstrated that the system is capable of classifying radiographic images with high precision. This TFG demonstrates the potential of artificial intelligence to revolutionize the field of radiology, offering a powerful tool that can be integrated into existing medical systems to improve the quality and speed of diagnosis.