USO DE DEEP LEARNING EN EL PREPROCESADO DE IMÁGENES DE RAYOS X PARA LA DETECCIÓN AUTOMÁTICA DE TENDINOPATÍA CALCIFICANTE EN EL MANGUITO ROTADOR

Abstract

La tendinopatía calcificante del manguito rotador se caracteriza por la acumulación de depósitos de calcio en los tendones de la articulación, afectando con mayor frecuencia a personas entre los 30 y 60 años, con una prevalencia en mujeres del 70 %. Su clínica principal es el dolor de hombro, lo que afecta al 33-34 % de los pacientes afectados. El diagnóstico actual de esta patología se basa en la valoración clínica por parte de los radiólogos, principalmente mediante imágenes de radiografía simple. Debido a su alta prevalencia y a la dependencia en el diagnóstico manual, este trabajo plantea el uso de redes convolucionales como herramienta de apoyo al diagnóstico de la enfermedad a partir de radiografías de hombro. Para optimizar los recursos computacionales disponibles, se ha aplicado un preprocesado basado en la segmentación semántica del húmero, centrando las imágenes en las regiones anatómicas relevantes. Se compararon dos modelos de detección con la red VGG19, ambos entrenados con una muestra de 4268 radiografías. El primero con imágenes con recorte estándar, y el segundo con imágenes recortadas y centradas en la parte superior de la cabeza humeral gracias a la segmentación automática del húmero con el modelo U-Net++ EfficientNet-b2, logrando un Dice Score del 0.993. Como resultado se obtuvo que la red entrenada con las imágenes con recorte estándar tiene un mejor equilibrio entre sensibilidad y especificidad, con un área bajo la curva ROC de 0.899 frente a un valor de 0.893 del segundo modelo. Sin embargo, esta nueva aproximación basada en segmentación semántica ha permitido reducir tres veces el tiempo de entrenamiento al disminuir el tamaño de las imágenes de entrada de la red. Se estima que este flujo de preprocesado podría ser útil para modelos neuronales entrenados para la diferenciación de tipos de calificación, y en la localización de calcificaciones mediante segmentación.