Imagenologia Medica

Redes Neuronales

INTRODUCCION

Con motivo de caso de estudio académico para el curso de Inteligencia Artificial 2 2021, en la Universidad Católica del Uruguay, se solicitaba realizar una red neuronal capaz de enfermedades utilizando imágenes médicas.

DATOS

Para este trabajo se utilizaron varios datasets:


Para este trabajo se utilizaron varios datasets:

  • Montgomery County X-ray Set
  • 58 tuberculosis
  • Shenzhen Hospital X-ray Set
  • 336 tuberculosis
  • QaTa-COV19 Dataset (Kaggle)
  • 798 neumonía (no covid)
  • COVID-19 Radiography Database (Kaggle)
  • 3.616
  • 10.192 normales
  • 6.012 opacidad
La composición final del dataset es la siguiente:





Se observa que hay clases desbalanceadas, el cual será trabajado más adelante.


SEGMENTACION

IMAGE SEGMENTATION

Con el fin de focalizar la red en el analisis de los pulmones, se aplica la técnica Image Segmentation sobre el dataset. Esta técnica consiste en generar un modelo capaz de detectar y enmascarar los pulmones en cada imágen.



MODELO

MODELO COMPUESTO

Se plantea realizar un sistema compuesto por varios modelos, capaces de ir clasificando las observaciones paso a paso:





Este nuevo encare genera la formulación de 3 modelos distintos:



  • Nivel 1: Saludable vs Enfermo
  • Nivel 2: Covid vs No Covid (otra condición)
  • Nivel 3: Identificación de tuberculosis, opacidad, y neumonía



Para estos modelos, se utilizan las arquitecturas VGG16 y DenseNet121 ya que luego de varias pruebas resultaron ser las más eficientes.