Desarrollo de un nuevo algoritmo para la clasificación de imágenes de resonancia magnética en cerebro
La resonancia magnética (RM) es un examen de imagenología utilizado para el diagnóstico de distintas enfermedades, esta técnica permite observar estructuras y órganos del cuerpo a diferentes niveles utilizando grandes imanes y ondas de radio. Con el avance de las nuevas tecnologías, el desarrollo de algoritmos para la extracción, procesamiento y clasificación de las imágenes médicas ha ido en aumento. La propuesta y desarrollo de dichos algoritmos se ha reportado con éxito en conjuntos pequeños de datos. Sin embargo, para grupos más grandes, los algoritmos se encuentran con dificultades.
A principios del 2022,
Investigadores de la universidad de Jouf en Arabia saudita desarrollaron un nuevo algoritmo para la clasificación de imágenes de cerebro obtenidas por RM. El algoritmo desarrollado combina una técnica recursiva para la selección de variables con un entrenamiento apoyado por vectores, esto significa que el modelo evalúa las imágenes para extraer la variable más importante, repite la evaluación para la segunda variable y lo hace hasta con las variables, las cuales son incluidas en un vector de entrenamiento. Posteriormente el programa ahora evalúa la variable menos importante, y repite el procedimiento anterior en reversa hasta vaciar el vector de entrenamiento.
Para entrenar y evaluar el algoritmo se utilizaron las bases de datos de la escuela de medicina de Harvard y una serie de estudios de imágenes de acceso libre (OASIS por sus siglas en inglés), las cuales incluyen datos de 24 enfermedades incluyendo el estado normal, glioma, sarcoma, Alzheimer, esclerosis múltiple, entre otros. En total, se analizaron imágenes de 340 pacientes reales.
El algoritmo se alimentó, entrenó y evaluó con el conjunto de datos descrito.
Se obtuvieron diferentes valores de precisión de clasificación correcta de las imágenes por parte del programa, resaltando un 100% para Alzheimer con agnosia visible, toxoplasmosis cerebral y accidente cerebrovascular fatal, y un 92% para enfermedad de Huntington y carcinoma broncogénico metastásico. En promedio, el algoritmo fue capaz de clasificar correctamente el 96.4% de las imágenes, superando a otras 10 técnicas con las que se comparó, las cuales obtuvieron desde un 70.1% hasta 91.3% de precisión. Además, cabe destacar que este nuevo algoritmo puede trabajar con conjuntos de datos más grandes, siendo una técnica más precisa y robusta.
Traducido y adaptado de: Siddiqi, M. H., Alsayat, A., Alhwaiti, Y., Azad, M., Alruwaili, M., Alanazi, S., Kamruzzaman, M. M., & Khan, A. (2022). A Precise Medical Imaging Approach for Brain MRI Image Classification. Computational Intelligence & Neuroscience, 1–15. https://doi-org.udlap.idm.oclc.org/10.1155/2022/6447769
