MV2SwimNet: Un modelo híbrido ligero basado en transformador para la detección de desgarros en el menisco de la...

Área de la Ciencia:

• Análisis de imágenes médicas
• Inteligencia artificial en el cuidado de la salud
• Diagnóstico ortopédico

Sus antecedentes:

• Las dolencias de rodilla, particularmente las lesiones del menisco, afectan a millones de personas en todo el mundo, y más del 14% de las personas mayores de 40 años experimentan afecciones relacionadas.
• La interpretación convencional de la resonancia magnética requiere mucho trabajo, es propensa a errores y depende en gran medida de la experiencia del radiólogo, lo que requiere soluciones automatizadas.
• Los métodos de aprendizaje profundo existentes que utilizan Redes Neurales Convolucionales (CNNs) luchan con las dependencias de largo alcance y el contexto global en las imágenes médicas.

Objetivo del estudio:

• Desarrollar una herramienta de diagnóstico automatizada y de alta precisión para la detección de enfermedades de la rodilla mediante imágenes médicas.
• Para superar las limitaciones de las CNN en la captura de información contextual global en los escáneres de resonancia magnética.
• Introducir MV2SwimNet, un modelo híbrido de aprendizaje profundo diseñado para el análisis mejorado de resonancia magnética de rodilla.

Principales métodos:

• Se propuso MV2SwimNet, una arquitectura híbrida que integra MobileNetV2 y Swin Transformer.
• Autoatención multicabeza de ventana incorporada (W-MSA) para una atención efectiva de la región en las exploraciones de resonancia magnética.
• Utilizó la Representación Jerárquica de Múltiples Etapas (MSHR) para el aprendizaje progresivo y robusto de características en diferentes niveles de representación.

Principales resultados:

• Se logró una precisión del 99, 94% en el conjunto de datos 1 y del 96, 04% en el conjunto de datos 2 utilizando la validación cruzada de 3 veces.
• Demostró un rendimiento superior en comparación con las técnicas más avanzadas en el análisis de resonancia magnética de rodilla.
• Validación de la eficiencia del modelo, robustez y potencial para aplicaciones médicas en el mundo real.

Conclusiones:

• MV2SwimNet ofrece una solución altamente precisa y automatizada para la detección de enfermedades de la rodilla a partir de imágenes de resonancia magnética.
• El enfoque híbrido integra efectivamente las características locales y globales, mejorando las capacidades de diagnóstico.
• El modelo muestra un potencial significativo para la aplicación clínica, mejorando la eficiencia y la precisión del diagnóstico ortopédico.