Un nuevo método de vanguardia para el diagnóstico de defectos del tabique auricular con un conjunto de datos...

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• Cardiología

Sus antecedentes:

• El diagnóstico precoz de los defectos del tabique auricular (TEA) es crucial para los resultados de los pacientes.
• La radiografía de tórax (CXR) es una herramienta de diagnóstico común.
• Los métodos de diagnóstico actuales pueden carecer de la precisión o eficiencia deseadas.

Objetivo del estudio:

• Desarrollar un método de alta precisión para el diagnóstico de TEA utilizando imágenes CXR.
• Explorar la eficacia de la técnica de plegado de papel Origami para el aumento de datos en imágenes médicas.
• Para comparar el rendimiento de la máquina vectorial de soporte (SVM) con otros clasificadores.

Principales métodos:

• Se seleccionó un conjunto de datos de imágenes CXR de adultos.
• Se empleó la técnica de plegado de papel Origami para el aumento de datos, creando dos conjuntos de datos aumentados.
• Se extrajeron las características estadísticas (media, desviación estándar, mediana, varianza, sesgo).
• Se utilizaron clasificadores que incluyen Support Vector Machine (SVM), k-nearest neighbors (k-NN) y árbol de decisión para la clasificación.

Principales resultados:

• El clasificador SVM, utilizando datos aumentados con la técnica Origami, logró una precisión de vanguardia del 99,69%.
• El método propuesto demostró una clara superioridad sobre los métodos de inteligencia artificial basados en el aprendizaje profundo existentes.
• El análisis comparativo con k-NN y clasificadores de árboles de decisión validó el rendimiento del SVM.

Conclusiones:

• El enfoque SVM aumentado por la técnica Origami ofrece un método altamente preciso y potencialmente superior para el diagnóstico de TEA a partir de CXR.
• Esta nueva técnica de aumento es prometedora para mejorar la detección temprana de enfermedades cardíacas.
• Los hallazgos sugieren un avance significativo en el diagnóstico médico impulsado por IA para TEA.