Automatización del diagnóstico de displasias de caderas, mediante técnicas geométricas y redes neuronales artificiales, Perú 2022

Abstract

La Displasia del Desarrollo de Caderas (DDC) es una alteración presente en el nacimiento, cuya incidencia mundial es de 34 por 1000 nacidos y muy predominante en el sexo femenino. Una imagen de rayos X (Rx) es la clave para obtener datos y diagnosticar la enfermedad, la dificultad se debe a los cálculos geométricos a efectuarse en la imagen, lo que representa una tarea tediosa y a veces inexacta. El objetivo fue automatizar el diagnóstico de la DDC mediante técnicas geométricas y redes neuronales artificiales construyendo una historia clínica digital. La metodología tiene enfoque cuantitativo, tipo de investigación experimental, nivel de investigación aplicado, cuya muestra está constituida por 1000 historias clínicas por lo que se recabaron datos; extrayendo la imagen Rx desde un formato de imágenes digitales y comunicaciones en medicina (DICOM) convirtiéndola a un formato estándar (*.png o *.jpg); integrando a la aplicación la herramienta geométrica GeoGebra para extraer medidas de la imagen y estas utilizarlas para realizar un análisis clasificatorio mediante una ANN Backpropagation. Como resultado se redujo el tiempo de proceso de diagnóstico original en un 26,04% y se obtuvo una asertividad de 96,87% en la cadera derecha y un 98,01% en la cadera izquierda basados en la curva AUC, evaluando 1000 imágenes con la ANN, proporcionando una predicción como diagnóstico que sirva de ayuda a la toma de decisión del médico. Se concluye haber construido la aplicación web propuesta integrando las técnicas geométricas digitales con GeoGebra y ejecutando una ANN entrenada para dar un diagnóstico certero.