Localización y clasificación de epífisis en radiografías carpianas utilizando modelos YOLO
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1336Palabras clave:
edad ósea, epífisis, Detección de objetosResumen
Objetivo: Este estudio propone el desarrollo de un modelo para detectar epífisis en imágenes de rayos X utilizando modelos de aprendizaje automático. Metodología: Describimos el proceso de adquisición de datos y realizamos pruebas con modelos como YOLOv5, YOLOv8 y Faster R-CNN. Resultados: El modelo YOLOv8 obtuvo un error del 1% en datos DHA, mientras que el modelo YOLOv5 obtuvo cerca del 5%. Conclusión: Tras un análisis comparativo, YOLOv8 se seleccionó como modelo ideal para la detección final de epífisis.
Descargas
Citas
Hossain A, Islam MT, Almutairi AF. A deep learning model to classify and detect brain abnormalities in portable microwave based imaging system. 2022. Scientific Reports.
Jones J, Greulich and Pyle method. 2020.
Koitka S, Kim MS. Qu M. Fischer A, Friedrich CM, Nensa F. Mimicking the radiologists’ workflow: Estimating pediatric hand bone age with stacked deep neural networks. 2020. Medical Image Analysis 64.
Pinto, Vanessa C. Relação da idade óssea e marcadores hormonais com a capacidade física de adolescentes. 2017. J Hum Growth Dev.
Redmon J, Divvala S, Girshick R, Farhadi A. You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016. (CVPR).
Schneider, R, Irigaray, T. Envelhecimento na atualidade: aspectos cronológicos, biológicos, psicológicos e sociais. Estudos de psicologia. 2008.
Chollet, F. Deep Learning with Python. 2017.
Trombetta GBW, Fröhlich W da R, Rigo SJ, Rodrigues CA. Aplicação de Deep Learning para Diagnóstico de Pneumonia Causada por COVID -19 a partir de Imagens de Raio X. J Health Inform [Internet]. 15º de março de 2021 [citado 21º de maio de 2024];12. Disponível em: https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/828
https://www.rsna.org/rsnai/ai-image-challenge/rsna-pediatric-bone-age-challenge-2017.
Koitka S, Demircioglu A, Kim MS, Friedrich CM, Nensa F.Ossification area localization in pediatric hand radiographs using deep neural networks for object detection. 2018.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La sumisión de un artículo a el Journal of Health Informatics es entendida como exclusiva y que no esta siendo considerado para publicación en otro periódico. La permisión de los autores para la publicación de su artículo en lo JHI implica en la exclusiva autorización concedida a los editores para su inclusión en la revista. Al someter un artículo, a lo autor será solicitada la permisión electrónica de una Nota de Copyright. Una mensaje electrónica será enviada a lo autor correspondiente confirmando el recibo del manuscrito y lo aceite de la Nota de Copyright.
