Sistema de diagnóstico automatizado para la detección de nódulos pulmonares basado en YOLO

Abstract

El cáncer es la principal barrera para incrementar la esperanza de vida y una de las causas principales de muerte, siendo el cáncer de pulmón, el mayor causante de muertes por cáncer en el mundo. La radiografía de tórax es uno de los métodos más extendidos para la identificación de nódulos. Esta es menos costosa y somete a una menor exposición de rayos x al paciente que su homólogo, las tomografías computarizadas. Sin embargo, son difíciles de interpretar por su bajo contraste y las estructuras anatómicas que se superponen. Los sistemas de diagnóstico asistido por ordenador incrementan la efectividad de los diagnósticos y reducen la carga laboral de los especialistas. Esta investigación propone un sistema del mismo tipo basado en inteligencia artificial, que potencia el empleo de las radiografías de tórax como herramienta para la detección del cáncer de pulmón. A lo largo del proyecto se emplearon diversas redes neuronales convolucionales. Para la detección de los nódulos se utilizó una red con enfoque YOLO sobre la que se aplicaron técnicas de transferencia de aprendizaje y aumento de datos. Se crearon conjuntos de imágenes a partir de cuatro bases de datos internacionales. La red fue entrenada y validada, y para el mejor modelo obtenido se realizó una prueba externa, a partir de una quinta base de datos de alta dificultad para identificar los límites del modelo. El mejor modelo se obtuvo con el entrenamiento para el conjunto de imágenes segmentadas incluyendo al área del mediastino. Este alcanzo una sensibilidad del 68% en la prueba externa, pero con un deterioro en la precisión.