Código Python para la detección de nódulos pulmonares a partir de rayos x de tórax

Abstract

Los sistemas de diagnóstico asistido por computadora (CAD) han emergido como herramientas útiles para los radiólogos, de segunda opinión para mejorar la exactitud y precisión en la detección de enfermedades. En el presente Trabajo de Diploma se propone la migración de MATLAB a Python de un CAD para la detección de nódulos pulmonares, empleando aprendizaje automático. Se programaron en Python todos los algoritmos relacionados con el procesamiento de imágenes, extracción de características de los nódulos, aplicación de Análisis de componentes principales para reducir características, así como entrenamiento, validación y prueba externa de un clasificador. Para clasificar se implementó un modelo de Random Forest que había resultado exitoso en el trabajo precedente en MATLAB, el cual separa las imágenes en normales (no nódulos) y patológicas (nódulos). Para el entrenamiento y validación del modelo, se utilizó la base de datos JSRT. Se obtuvo una sensibilidad del 91,33% y una especificidad del 78,94%, superando los valores obtenidos con el CAD anterior. Además, se realizó una prueba externa, utilizando una base de datos de diferente origen, que demostró el poder de generalización del modelo de clasificación implementado en Python, con un 90 % de sensibilidad y 80 % de especificidad.