Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano

Autores
Fazio, Adrián; Gambini, Juliana; Santos, Juan Miguel
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En el presente trabajo proponemos un método para clasificar radiografías de tórax con el objetivo de colaborar en el diagnóstico de neumonía provocada por el virus SAR-COV 2 o por otras causas, así como detectar pulmones sanos. Para evaluar el método propuesto se utilizan imágenes de radiografías de tres tipos: 1- pulmones sanos, 2- pulmones con lesiones por neumonía por COVID-19 y 3- pulmones con lesiones por neumonía por otras causas. En primer lugar, se realiza un preprocesamiento de las imágenes, que incluye recortar la mitad inferior de las mismas (donde se observan diferencias entre las distintas imágenes). Luego, cada imagen se divide en sub-imágenes no solapadas y se calcula el histograma de cada una de ellas. Se realizan varias series de experimentos utilizando el método de Bayes para la clasificación y posterior inferencia. Se construyen dos clasificadores, uno que separa las imágenes de pulmones sanos, de aquellas que sean de pulmones enfermos, y otro que distingue neumonía por COVID-19 de neumonía por otras causas. Los resultados son prometedores.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Inferencia Bayesiana
Imagen Radiográfica
Detección de lesiones pulmonares
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/177752
Acceder
id SEDICI_984b075b8e8d1c836b182b83f026facf
oai_identifier_str oai:sedici.unlp.edu.ar:10915/177752
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesianoFazio, AdriánGambini, JulianaSantos, Juan MiguelCiencias InformáticasInferencia BayesianaImagen RadiográficaDetección de lesiones pulmonaresEn el presente trabajo proponemos un método para clasificar radiografías de tórax con el objetivo de colaborar en el diagnóstico de neumonía provocada por el virus SAR-COV 2 o por otras causas, así como detectar pulmones sanos. Para evaluar el método propuesto se utilizan imágenes de radiografías de tres tipos: 1- pulmones sanos, 2- pulmones con lesiones por neumonía por COVID-19 y 3- pulmones con lesiones por neumonía por otras causas. En primer lugar, se realiza un preprocesamiento de las imágenes, que incluye recortar la mitad inferior de las mismas (donde se observan diferencias entre las distintas imágenes). Luego, cada imagen se divide en sub-imágenes no solapadas y se calcula el histograma de cada una de ellas. Se realizan varias series de experimentos utilizando el método de Bayes para la clasificación y posterior inferencia. Se construyen dos clasificadores, uno que separa las imágenes de pulmones sanos, de aquellas que sean de pulmones enfermos, y otro que distingue neumonía por COVID-19 de neumonía por otras causas. Los resultados son prometedores.Red de Universidades con Carreras en Informática2024-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf250-254http://sedici.unlp.edu.ar/handle/10915/177752spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:47:28Zoai:sedici.unlp.edu.ar:10915/177752Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:47:28.696SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
title Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
spellingShingle Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
Fazio, Adrián
Ciencias Informáticas
Inferencia Bayesiana
Imagen Radiográfica
Detección de lesiones pulmonares
title_short Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
title_full Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
title_fullStr Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
title_full_unstemmed Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
title_sort Clasificación de imágenes de radiografía de pulmón utilizando aprendizaje bayesiano
dc.creator.none.fl_str_mv Fazio, Adrián
Gambini, Juliana
Santos, Juan Miguel
author Fazio, Adrián
author_facet Fazio, Adrián
Gambini, Juliana
Santos, Juan Miguel
author_role author
author2 Gambini, Juliana
Santos, Juan Miguel
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Inferencia Bayesiana
Imagen Radiográfica
Detección de lesiones pulmonares
topic Ciencias Informáticas
Inferencia Bayesiana
Imagen Radiográfica
Detección de lesiones pulmonares
dc.description.none.fl_txt_mv En el presente trabajo proponemos un método para clasificar radiografías de tórax con el objetivo de colaborar en el diagnóstico de neumonía provocada por el virus SAR-COV 2 o por otras causas, así como detectar pulmones sanos. Para evaluar el método propuesto se utilizan imágenes de radiografías de tres tipos: 1- pulmones sanos, 2- pulmones con lesiones por neumonía por COVID-19 y 3- pulmones con lesiones por neumonía por otras causas. En primer lugar, se realiza un preprocesamiento de las imágenes, que incluye recortar la mitad inferior de las mismas (donde se observan diferencias entre las distintas imágenes). Luego, cada imagen se divide en sub-imágenes no solapadas y se calcula el histograma de cada una de ellas. Se realizan varias series de experimentos utilizando el método de Bayes para la clasificación y posterior inferencia. Se construyen dos clasificadores, uno que separa las imágenes de pulmones sanos, de aquellas que sean de pulmones enfermos, y otro que distingue neumonía por COVID-19 de neumonía por otras causas. Los resultados son prometedores.
Red de Universidades con Carreras en Informática
description En el presente trabajo proponemos un método para clasificar radiografías de tórax con el objetivo de colaborar en el diagnóstico de neumonía provocada por el virus SAR-COV 2 o por otras causas, así como detectar pulmones sanos. Para evaluar el método propuesto se utilizan imágenes de radiografías de tres tipos: 1- pulmones sanos, 2- pulmones con lesiones por neumonía por COVID-19 y 3- pulmones con lesiones por neumonía por otras causas. En primer lugar, se realiza un preprocesamiento de las imágenes, que incluye recortar la mitad inferior de las mismas (donde se observan diferencias entre las distintas imágenes). Luego, cada imagen se divide en sub-imágenes no solapadas y se calcula el histograma de cada una de ellas. Se realizan varias series de experimentos utilizando el método de Bayes para la clasificación y posterior inferencia. Se construyen dos clasificadores, uno que separa las imágenes de pulmones sanos, de aquellas que sean de pulmones enfermos, y otro que distingue neumonía por COVID-19 de neumonía por otras causas. Los resultados son prometedores.
publishDate 2024
dc.date.none.fl_str_mv 2024-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/177752
url http://sedici.unlp.edu.ar/handle/10915/177752
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
250-254
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616338229690368
score 13.069144

Publicaciones similares