Procesamiento de imágenes digitales y red neuronal convolucional aplicada para detectar estenosis mitral en...

Área de la Ciencia:

• Cardiología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• Las alteraciones de la válvula mitral, como la estenosis mitral, son cambios patológicos comunes.
• La estenosis mitral afecta la función de la válvula, específicamente su capacidad para abrirse completamente.

Objetivo del estudio:

• Aplicar el procesamiento digital de imágenes (DIP) y desarrollar una red neuronal convolucional (CNN) para el diagnóstico de la estenosis mitral.
• Apoyar la toma de decisiones de los especialistas mediante el uso de datos de ecocardiografía transesofágica (EET).

Principales métodos:

• Adquisición de exámenes de ecocardiograma.
• Aplicación de DIP y técnicas de aumento de datos.
• Desarrollo y formación de un modelo de CNN para la clasificación de vídeos.

Principales resultados:

• El DIP clasificó los casos en sin estenosis (26,7%), leve (26,7%), moderada (13,3%) y grave (33,3%).
• Un modelo de CNN logró una precisión del 92% en la diferenciación entre videos con o sin estenosis mitral.
• El intento inicial del modelo CNN de clasificar cuatro niveles de gravedad se vio limitado por datos de entrenamiento insuficientes.

Conclusiones:

• Tanto DIP como CNN son herramientas efectivas para distinguir la estenosis mitral de los casos normales.
• El DIP demuestra capacidad para clasificar diversos grados de gravedad de la estenosis.
• Los métodos desarrollados muestran potencial como valiosas herramientas de apoyo a la decisión clínica para el diagnóstico de la estenosis mitral.