Título: «Análisis automático de radiografías torácicas por medio de
redes neuronales profundas»

Director: Enzo Ferrante

Jurado: Pablo Negri y Diego Fernandez Slezak

Resumen: Las imágenes de rayos X constituyen uno de los tipos de
imágenes médicas utilizados con mayor frecuencia para el diagnóstico y
seguimiento de enfermedades de la caja torácica. En particular,
patologías cardiacas y pulmonares tales como la cardiomegalia, neumonía,
neumotórax, pueden ser diagnosticadas por este medio. Dicho diagnóstico
requiere la intervención de un especialista médico o radiólogo, que
interprete las imágenes e informe sobre la existencia de anomalías en
las mismas. Durante las últimas décadas, el advenimiento de nuevos
métodos de aprendizaje automático ha permitido el desarrollo de
herramientas computacionales de asistencia al diagnóstico, cuyo objetivo
radica en detectar posibles anomalías en imágenes médicas y alertar al
especialista.

Esta tesis de licenciatura aborda el problema de clasificación de
patologías a partir de radiografías torácicas por medio de redes
neuronales profundas. En este contexto, se proponen diversos modelos
basados en redes neuronales convolucionales densas (DenseNet) y en las
recientes redes de cápsulas (Capsule Networks), considerando diversas
variantes que incorporan información anatómica como máscaras de
segmentación al problema de clasificación, evaluando su desempeño en la
tarea propuesta e intentando dotar de mayor interpretabilidad los
modelos aprendidos.