Aprendizaje profundo para radiografías de tórax: Clasificación asistida por ordenador

Título original:

Deep Learning for Chest Radiographs: Computer-Aided Classification

Contenido del libro:

Deep Learning for Chest Radiographs enumera diferentes estrategias implementadas por los autores para diseñar un sistema eficiente de clasificación asistida por ordenador (CAC) basado en redes neuronales de convolución para la clasificación binaria de radiografías de tórax en "Normal" y "Neumonía." La neumonía es una enfermedad infecciosa causada principalmente por una bacteria o un virus. Los principales afectados por esta enfermedad infecciosa son los niños menores de 5 años y los adultos mayores de 65, debido sobre todo a su escasa inmunidad y a sus menores tasas de recuperación. En todo el mundo, la neumonía tiene una huella prevalente y mata a más niños que cualquier otra enfermedad de base inmunitaria, causando hasta el 15% de las muertes infantiles al año, especialmente en los países en desarrollo. De todas las modalidades de imagen disponibles, como la tomografía computarizada, la radiografía o rayos X, la resonancia magnética, la ecografía, etc., la radiografía de tórax es la más utilizada para el diagnóstico diferencial entre Normal y Neumonía. En los diseños del sistema CAC implementados en este libro, se ha utilizado un total de 200 radiografías de tórax, 100 de ellas normales y 100 de neumonía. Estas radiografías de tórax se aumentan utilizando transformaciones geométricas, como rotación, traslación y volteo, para aumentar el tamaño del conjunto de datos para un entrenamiento eficiente de las redes neuronales convolucionales (CNN).

Se realizaron un total de 12 experimentos para la clasificación binaria de radiografías de tórax en Normal y Neumonía. También incluye estrategias de implementación en profundidad de la experimentación exhaustiva llevada a cabo utilizando enfoques basados en el aprendizaje de transferencia con fusión de decisiones, extracción profunda de características, selección de características, reducción de la dimensionalidad de las características y clasificadores basados en el aprendizaje automático para la implementación de diseños de sistemas CAC basados en CNN de extremo a extremo, diseños de sistemas CAC basados en CNN ligeros y diseños de sistemas CAC híbridos para radiografías de tórax.

Este libro es un valioso recurso para académicos, investigadores, clínicos, estudiantes de postgrado y licenciatura en imagen médica, CAC, diagnóstico asistido por ordenador, ciencias e ingeniería informáticas, ingeniería eléctrica y electrónica, ingeniería biomédica, bioinformática, bioingeniería y profesionales de la industria informática.