| Resum: |
Tradicionalmente, los métodos más comunes para la estimación de la edad ósea son el método de Greulich y Pyle y el método de Tanner y Whitehouse; sin embargo, ambos métodos presentan limitaciones como la variabilidad interobservador debido a la subjetividad de estos. En los últimos años, han surgido diferentes aproximaciones para el cálculo automático de la edad ósea mediante el uso de algoritmos de Inteligencia Artificial (IA). En el presente trabajo, hemos desarrollado y evaluado diferentes modelos de IA basados en redes neuronales convolucionales (CNNs) para el cálculo automático de la edad ósea y hemos comparado sus rendimientos entre sí y respecto a los métodos tradicionales y automáticos publicados. Para ello, se ha utilizado un conjunto de datos formado por 12. 611 radiografías de la mano izquierda de pacientes pediátricos anotadas con su edad ósea y el sexo del paciente y se han explorado diferentes arquitecturas y técnicas de optimización. Las CNNs que mejores resultados han obtenido están basadas en la arquitectura ResNet50 y presentan errores medios absolutos (MAEs) de 12,15 y de 12,49 meses para imágenes de varones y hembras, respectivamente. Finalmente, se ha entrenado una CNN con imágenes únicamente de varones de entre 10 y 15 años, obteniendo un MAE de 9,09 meses. Estos resultados están en línea con la variabilidad descrita en la práctica clínica (entre 5,4 y 9,96 meses) y en otros modelos de IA (entre 4,2 y 9,96 meses). |
visitant ::
identificació
tut.
