Resumen: En este trabajo se ha realizado la clasificación de 2470 imágenes médicas, extraídas del PACS del Hospital Universitario Marqués de Valdecilla, en 13 clases diferentes (parte del cuerpo y proyección radiográfica). Para ello, se ha utilizado la técnica de transferencia de aprendizaje, empleando como red neuronal convolucional preentrenada el modelo VGG-16 con los pesos de la competición de imagenet. El modelo se ha evaluado mediante la métrica accuracy, la matriz de confusión y los mapas de calor, sobre dos conjuntos de datos procedentes de equipos distintos. Para las imágenes del mismo equipo que las de entrenamiento se ha obtenido una exactitud del 93 %, mientras que para imágenes de equipo distinto se ha alcanzado el 66 %. Se ha logrado el objetivo principal, aunque no se puede concluir que la red sea capaz de generalizar a imágenes procedentes a otro equipo.
ABSTRACT: In this work, 2470 medical images, extracted from Marqués de Valdecilla University Hospital PACS, were classified into 13 different classes (part of the body and radiographic projection). For this purpose, the transfer learning technique has been used, using the VGG-16 model as the pretrained convolutional neural network with the weights of imagenet competition. The model has been evaluated on two datasetss, using the metric textitaccuracy, the confusion matrix and heat maps. For the dataset extracted from the training dataset, an accuracy of 93 % has been obtained, while for a different dataset consisting of images from a different equipment it has been reached 66 %. The main goal has been achieved, although it cannot be concluded that the network is capable of generalizing to images from another equipment
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 3.0 España
