Aprendizaje profundo para radiografías de tórax enumera diferentes estrategias implementadas por los autores para diseñar un sistema de clasificación asistida por computadora (CAC) basado en una red neuronal de convolución eficiente para la clasificación binaria de radiografías de tórax en "Normal" y "Neumonía". La neumonía es una enfermedad infecciosa causada principalmente por una bacteria o un virus. Los principales objetivos de esta enfermedad infecciosa son los niños menores de 5 años y los adultos mayores de 65 años, principalmente debido a su escasa inmunidad y a sus menores tasas de recuperación. A nivel mundial, la neumonía tiene huellas prevalentes y mata a más niños en comparación con cualquier otra enfermedad basada en la inmunidad, causando hasta el 15 % de las muertes infantiles por año, especialmente en los países en desarrollo. De todas las modalidades de imagen disponibles, como la tomografía computarizada, la radiografía o rayos X, la resonancia magnética, la ecografía, etc., las radiografías de tórax son las más utilizadas para el diagnóstico diferencial entre Normal y Neumonía. En los diseños del sistema CAC implementados en este libro, se han utilizado un total de 200 imágenes de radiografía de tórax que consisten en 100 imágenes normales y 100 imágenes de neumonía. Estas radiografías de tórax se aumentan mediante transformaciones geométricas, como rotación, traslación y volteo, para aumentar el tamaño del conjunto de datos para un entrenamiento eficiente de las redes neuronales convolucionales (CNN). Se realizaron un total de 12 experimentos para la clasificación binaria de radiografías de tórax en Normal y Neumonía. También incluye estrategias de implementación en profundidad de experimentación exhaustiva llevada a cabo utilizando enfoques basados ​​en aprendizaje de transferencia con fusión de decisiones, extracción profunda de características, selección de características, reducción de dimensionalidad de características y clasificadores basados ​​en aprendizaje automático para la implementación de CNN- diseños de sistemas CAC basados ​​en CNN, diseños de sistemas CAC ligeros basados ​​en CNN y diseños de sistemas CAC híbridos para radiografías de tórax.

Este libro es un recurso valioso para académicos, investigadores, médicos, estudiantes de posgrado y posgrado en imágenes médicas, CAC, diagnóstico asistido por computadora, ciencia e ingeniería informática, ingeniería eléctrica y electrónica, ingeniería biomédica, bioinformática, bioingeniería y profesionales de TI. industria.