Una visión de la clasificación de la neumonía viral y bacteriana mediante radiografías de tórax
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1341Palabras clave:
Inteligencia Artificial, Neumonía Radiografías de tóraxResumen
Objetivo: Este estudio presenta una revisión sistemática del uso de la Inteligencia Artificial (IA), especialmente el Aprendizaje Profundo (DL), en el diagnóstico y clasificación de la neumonía mediante radiografías de tórax (CXR). Método: El estudio sigue el protocolo PRISMA, realizando una revisión por fases de identificación, selección y análisis de artículos de la base de datos Scopus. Resultados: La revisión recuperó 25 artículos relevantes entre 121 retornados e identificó un creciente interés científico en el tema, además de avances en el diagnóstico, alcanzando algunos estudios hasta 99,7% de precisión en el modelo propuesto. Conclusión: La detección temprana de la neumonía es esencial para un tratamiento más eficaz, y las soluciones que ayuden a los especialistas son cruciales. La literatura muestra que estas soluciones están en constante evolución, aunque aún hay obstáculos por resolver.
Citas
Narayanan, B. N., Davuluru, V. S. P., et al. (2020, March). Two-stage deep learning architecture for pneumonia detection and its diagnosis in chest radiographs. In Medical Imaging 2020: Imaging Informatics for Healthcare, Research, and Applications (Vol. 11318, pp. 130-139). SPIE.
Hu, S., Zhu, Y., Dong, D., et al. (2022). Chest Radiographs Using a Context-Fusion Convolution Neural Network (CNN): Can It Distinguish the Etiology of Community-Acquired Pneumonia (CAP) in Children?. Journal of Digital Imaging, 35(5), 1079-1090.
Ferreira, J. R., Cardenas, D. A. C., Moreno, R. A., et al. (2020, July). Multi-view ensemble convolutional neural network to improve classification of pneumonia in low contrast chest x-ray images. In 2020 42nd annual international conference of the IEEE engineering in Medicine & Biology Society (EMBC) (pp. 1238-1241). IEEE.
Acharya, A. K., & Satapathy, R. (2020). A deep learning based approach towards the automatic diagnosis of pneumonia from chest radiographs. Biomedical and Pharmacology Journal, 13(1), 449-455.
Zhao, B., Liu, H., Zheng, C., et al. (2021). Image-based deep learning in diagnosing the etiology of pneumonia on pediatric chest X-rays. Pediatric Pulmonology, 56(5), 1036-1044.
Darici, M. B., Dokur, Z., & Olmez, T. (2020). Pneumonia detection and classification using deep learning on chest x-ray images. International Journal of Intelligent Systems and Applications in Engineering, 8(4), 177-183.
Rajaraman, S., Candemir, S., Kim, I., et al.(2018). Visualization and interpretation of convolutional neural network predictions in detecting pneumonia in pediatric chest radiographs. Applied Sciences, 8(10), 1715.
Garstka, J., & Strzelecki, M. (2020). Pneumonia detection in X-ray chest images based on convolutional neural networks and data augmentation methods. In 2020 Signal Processing: Algorithms, Architectures, Arrangements, and Applications (SPA) (pp. 18-23). IEEE.
Polat, Ö., Ölmez, Z., & Ölmez, T. (2021). Determination of Pneumonia in X-ray Chest Images by Using Convolutional Neural Network. Turkish Journal of Electrical Engineering and Computer Sciences, 29(3), 1615-1627
Avolio, M., Fuduli, A., Vocaturo, E., et al.(2022). Multiple Instance Learning for viral pneumonia chest X-ray Classification. In SEBD (pp. 359-366).
Thanh, H. T., Yen, P. H., & Ngoc, T. B. (2021, March). Pneumonia classification in X-ray images using artificial intelligence technology. In 2020 Applying New Technology in Green Buildings (ATiGB) (pp. 25-30). IEEE.
Alsharif, R., Al-Issa, Y., Alqudah, A. M., et al.(2021). PneumoniaNet: Automated detection and classification of pediatric pneumonia using chest X-ray images and CNN approach. Electronics, 10(23), 2949.
Masud, M., Bairagi, A. K., Nahid, A. A., et al. (2021). A pneumonia diagnosis scheme based on hybrid features extracted from chest radiographs using an ensemble learning algorithm. Journal of Healthcare Engineering, 2021.
Vashisht, S., Lamba, S., Sharma, B., et al.(2023, May). Pneumonia Classification Model using Deep Learning Algorithm. In 2023 International Conference on Advancement in Computation & Computer Technologies (InCACCT) (pp. 249-253). IEEE.
Avola, D., Bacciu, A., Cinque, L., et al.(2022). Study on transfer learning capabilities for pneumonia classification in chest X-ray images. Computer Methods and Programs in Biomedicine, 221, 106833.
Khaled, M., Gaceb, D., Touazi, F., et al.(2022). Progressive and Combined Deep Transfer Learning for pneumonia diagnosis in chest X-ray images. In IDDM (pp. 160-173).
Ibrahim, A. U., Ozsoz, M., Serte, S., et al.(2021). Pneumonia classification using deep learning from chest X-ray images during COVID-19. Cognitive Computation, 1-13.
Hariri, M., & Avşar, E. (2023). COVID-19 and pneumonia diagnosis from chest X-ray images using convolutional neural networks. Network Modeling Analysis in Health Informatics and Bioinformatics, 12(1), 17.
Liu, J., Qi, J., Chen, W., et al.(2022). Multi-branch fusion auxiliary learning for the detection of pneumonia from chest X-ray images. Computers in Biology and Medicine, 147, 105732.
Sudarshan, V. K., A. Ramachandra, R., Tan, N. S. M. et al.(2022). VEntNet: Hybrid deep convolutional neural network model for automated multi‐class categorization of chest X‐rays. International Journal of Imaging Systems and Technology, 32(3), 778-797.
Nillmani, Jain, P. K., Sharma, N., et al.(2022). Four types of multiclass frameworks for pneumonia classification and its validation in X-ray scans using seven types of deep learning artificial intelligence models. Diagnostics, 12(3), 652.
Bhosale, R. D., & Yadav, D. M. (2024). Customized convolutional neural network for pulmonary multi-disease classification using chest x-ray images. Multimedia Tools and Applications, 83(6), 18537-18571.
Jha, A., John, E., & Banerjee, T. (2022, August). Transfer Learning for COVID-19 and Pneumonia Detection using Chest X-Rays. In 2022 IEEE 65th International Midwest Symposium on Circuits and Systems (MWSCAS) (pp. 1-4). IEEE.
Naseem, M. T., Hussain, T., Lee, C. S., et al.(2022). Classification and Detection of COVID-19 and Other Chest-Related Diseases Using Transfer Learning. Sensors, 22(20), 7977.
Sarkar, O., Islam, M. R., Syfullah, M. K.,et al. (2023). Multi-scale CNN: An explainable ai-integrated unique deep learning framework for lung-affected disease classification. Technologies, 11(5), 134
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.
