Detección de escoliosis en imágenes de rayos X mediante una red neuronal convolucional

Abstract

La escoliosis es la desviación o curvatura de la columna vertebral, tanto lumbar como torácica, en forma de "C" o "S", lo que provoca problemas de salud. La escoliosis se mide en grados y la realizan manualmente radiólogos ortopédicos. Este diagnóstico consume tiempo y esfuerzo humano para determinar la gravedad de la deformidad espinal basándose en el ángulo de desviación o curvatura (ángulo de Cobb). Esta investigación tiene como objetivo calcular automáticamente el ángulo de curvatura de la columna vertebral en imágenes de rayos X utilizando una red neuronal convolucional basada en la arquitectura Mask R-CNN para la segmentación semántica de la columna. Se utilizó la metodología de desarrollo Knowledge Discovery in Databases (KDD) para adquirir y construir el conjunto de datos de imágenes, entrenar el proceso y validar los modelos generados en Python y el marco TensorFlow con la biblioteca Keras. Los resultados estadísticos obtenidos al aplicar la prueba estadística t de Student muestran que no existe una diferencia estadísticamente significativa (p_value > 0,05) entre el grado de desviación manual obtenido por 3 especialistas (promedio) y el grado de desviación automática obtenido utilizando el modelo propuesto. Además, el coeficiente de correlación de Pearson de \(\text {r}=0,99\) indica una alta asociación lineal entre estas evaluaciones y un error absoluto medio (MAE) relativamente bajo de \(= 2,34\) (grados). Por lo tanto, el modelo detecta la escoliosis con una precisión similar a la de los especialistas en un tiempo significativamente menor (15–25 s frente a 2–5 min). En consecuencia, el modelo ayuda a los médicos a comprender mejor la gravedad de la escoliosis y a prescribir el tratamiento clínico más adecuado.