Sistema automatizado de análisis para cuantificar la morfología pediátrica de la cadera

Área de la Ciencia:

• Radiología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La displasia del desarrollo de la cadera (DDH) carece de métricas diagnósticas objetivas.
• El diagnóstico preciso es crucial para la intervención oportuna.

Objetivo del estudio:

• Desarrollar un sistema de IA para la detección precisa de puntos de referencia anatómicos en las radiografías de cadera juveniles.
• Obtener nuevas medidas morfológicas para la evaluación del DDH.

Principales métodos:

• Implementó un enfoque de red neuronal profunda de U-Net de grueso a fino.
• Se compararon seis variaciones de modelos gruesos y cuatro finos, optimizando el aumento de datos, el tamaño de entrada, las puertas de atención y las funciones de pérdida.

Principales resultados:

• Se logró un error de raíz media cuadrada de 3,79 mm en la precisión de detección de puntos de referencia.
• La precisión de la posición demostró un bajo sesgo y una precisión comparables a las de los expertos clínicos.

Conclusiones:

• El sistema desarrollado de IA detecta con precisión los puntos clave de la cadera.
• Este sistema muestra potencial para crear métricas de evaluación objetivas para el DDH.