Resumen:
La neumonía es una enfermedad que ha causado gran cantidad de muertes a nivel mundial. Los métodos de detección de neumonía: pruebas de sangre, prueba de esputo, tomografía computarizada y las radiografías (RX) de tórax, en general requieren de un médico especialista para la lectura de los exámenes correspondientes y tiempo para su análisis. El objetivo de esta investigación fue generar un modelo basado en instancias semánticas y aprendizaje profundo (MaskRCNN) que permita el apoyo en el diagnóstico de neumonía, identificando opacidades pulmonares asociadas a la neumonía y clasificando las imágenes diagnósticas de pacientes con neumonía sanos, asociando a pacientes enfermos como verdaderos positivos y pacientes sanos como verdaderos negativos. Usando el dataset publicado en el año 2018 por la RSNA (Sociedad Radiológica Norteamericana) y la Society of Thoracic Radiology, etiquetado en conjunto con MD.ai. Este conjunto de datos contiene 26.636 imágenes de RX de tórax en formato (.dcm) de las cuales 20.672 son de imágenes de pacientes sanos y 6.012 de pacientes con neumonía. Se utilizaron 12.024 imágenes de radiografías de RX de tórax en formato PNG. Se realizaron 3 experimentos, donde se variaron las condiciones de las imágenes del dataset (exp1: imágenes RX pacientes con neumonía, exp2: imágenes RX pacientes sanos y con neumonía, exp3: imágenes RX pacientes sanos y con neumonía, más data augmentation). Para los 3 experimentos se realizó un pre-procesamiento de ecualización de histograma. Para evaluar el desempeño de los modelos de identificación de opacidades pulmonares y clasificación de pacientes con neumonía, se utilizaron la métrica intersección sobre la unión (IoU), precisión, recall, F1Score y accuracy. Finalmente, los modelos obtenidos se subieron a un servidor local utilizando el framework de streamlit. Se encontró que la métrica de mejor desempeño fue Recall para el experimento 1 con
(95% y 96%) para la detección de opacidades y clasificación de pacientes con neumonía respectivamente. Por medio del sistema de predicción que permite realizar un diagnóstico de neumonía desde el navegador web, como aplicativo de servidor, se pretende agilizar procesos en la detección de neumonía para generar tratamientos oportunos.
