Desarrollo de Software
Sistema de Clasificación de Patologías Renales en TC mediante Machine Learning
La creciente demanda de tomografías computarizadas (TC) contrasta con un crecimiento insuficiente de radiólogos. En México, el IMSS atiende 78,900 estudios diarios con 7,000 especialistas, generando sobrecarga y fatiga que elevan errores diagnósticos. Este trabajo propone un sistema de clasificación automática de patologías renales en cortes de TC mediante machine learning como herramienta asistiva. El pipeline incluye un clasificador binario para diferenciar cortes axiales y coronales, y dos clasificadores multiclase (Normal, Quiste, Piedra, Tumor). Los resultados preliminares alcanzaron 99.5% de precisión en 800 imágenes, sin clasificar ninguna patológica como Normal. La principal limitación es la división del dataset por imagen y no por paciente, lo que podría sobreestimar el desempeño.
Descripcion completa
La creciente demanda de tomografías computarizadas (TC) contrasta con un crecimiento insuficiente de radiólogos. En México, el IMSS atiende 78,900 estudios diarios con 7,000 especialistas, generando sobrecarga y fatiga que elevan errores diagnósticos. Este trabajo propone un sistema de clasificación automática de patologías renales en cortes de TC mediante machine learning como herramienta asistiva. El pipeline incluye un clasificador binario para diferenciar cortes axiales y coronales, y dos clasificadores multiclase (Normal, Quiste, Piedra, Tumor). Los resultados preliminares alcanzaron 99.5% de precisión en 800 imágenes, sin clasificar ninguna patológica como Normal. La principal limitación es la división del dataset por imagen y no por paciente, lo que podría sobreestimar el desempeño.
Relacionados
