Hoy en día las cardiopatías son una de las principales causas de muerte, siendo
esencial crear y mantener protocolos de prevención junto con un correcto diagnóstico
para aquellos que sufran una enfermedad cardiovascular. Una de estas
enfermedades es la estenosis coronaria, patología que debido al estrechamiento
de las arterias coronarias puede llegar a producir un infarto del miocardio o incluso
la muerte. Para su diagnostico se realiza una coronariografía, prueba que
consiste en realizar una tinción de las arterias mediante el uso de un catéter, el
cual permite visualizar el estado de las arterias mediante rayos X. Las imágenes
coronariográficas son el resultado de dicha prueba.
En este estudio se utilizarán regiones de dichas imágenes coronariográficas
para entrenar un modelo usando una red neuronal densa desde cero, junto con
redes pre-entrenadas como ResNet50, EfficientNetB4 y MobileNet, y clasificarlas
como imagen con estenosis o sin estenosis. Se hará uso de la validación cruzada
en el entrenamiento para obtener un resultado que no dependa de la división del
conjunto en entrenamiento y test, debido al desbalanceo de las clases del conjunto,
y además se aplicarán 4 técnicas diferentes de aumento de datos para intentar
mejorar los resultados de los modelos. Estas técnicas son : muestreo y aumento
del conjunto de datos, aumento de la clase minoritaria, aumento proporcional de
los datos y datos sintéticos).
Se evaluarán los modelos obtenidos con el conjunto de test y el que obtenga
mejor resultado se usará como modelo de aprendizaje integrado en una aplicación
web dónde cualquier usuario pueda introducir una imagen coronariográfica. En la
parte del servidor de la aplicación web se dividirá la imagen coronariográfica en
regiones de 32x32 y se aplicará a cada región un algoritmo de detección de estenosis
usando dicho modelo y se localizará en la imagen introducida por el usuario
dónde se encuentra la estenosis.
Buscar en Dimension
