Idetificación de tuberculosis mediante patrones radiológicos con el uso de las redes neuronales convolucionales

Abstract

En este trabajo se realizó la clasi����cación de la tuberculosis (TB) utilizando redes neuronales arti����ciales. Debido a que aún no se ha podido erradicar esta enfermedad a pesar de que existe tratamiento. La Organización Mundial de la Salud (OMS), dio a conocer que en el año 2022, 1.3 millones de personas murieron, es por ello, que año con año, hacen un llamado a investigadores para que desarrollen estrategias y herramientas con la ����nalidad de eliminarla. Por lo anterior se desarrolló un modelo de red neuronal convolucional (CNN por sus siglas en inglés) que permite detectar los patrones de tuberculosis (se considera un patrón de tuberculosis a los diferentes daños presentes en los pulmones) a partir de imágenes de radiografías, con la ����nalidad de obtener un diagnostico como apoyo a los médicos y así los pacientes puedan comenzar su tratamiento de forma oportuna.

Esta tesis está divida en 4 experimentos, en el primer experimento se realizó la clasi����- cación de enfermedades pulmonares, el segundo experimento se trabajó con patrones de tuberculosis y se propuso un modelo de CNN, en el tercero se utilizó la clasi����cación de patrones con transferencia de aprendizaje y en el cuarto, se analizaron las imágenes para hacer extracción de características y mejorar la clasi����cación de los patrones de TB con una red neuronal Backpropagation.