Clasificar las imágenes de patología torácica usando técnicas de aprendizaje profundo

Las radiografías de tórax son el examen más común en radiología en la era actual. Son esenciales y muy útiles para la supervisión de diversas enfermedades asociadas con una alta mortalidad y muestran una amplia gama de información potencial sobre diversas enfermedades. Los veredictos más comunes en las radiografías de tórax incluyen Tuberculosis, Cardiomegalia y enfermedades torácicas del Mediastino. Distinguir las diversas patologías torácicas es una tarea difícil incluso para el observador humano y para el radiólogo. Por lo tanto, existe un interés en desarrollar un sistema de diagnóstico por ordenador para ayudar a los radiólogos a leer las imágenes de tórax a través de una máquina. La detección de la salud frente a la patología, es decir, la tuberculosis y la cardiomegalia en la radiografía de tórax, se exploró utilizando la Laplaciana de Gauss (LoG) , los patrones binarios locales (LBP), la aceleración de características robustas (SURF ) y también se utilizó el modelo de la bolsa de palabras visuales (BoVW ) utilizando la red neuronal artificial (ANN) y técnicas de aprendizaje profundo que clasifica entre los casos sanos frente a los patológicos.