Diagnóstico del grado de osteofito en radiografías mediante un modelo híbrido de machine learning

Abstract

La investigación tiene el objetivo de diagnosticar y clasificar el grado de osteofitos en radiografías utilizando un modelo híbrido de Machine Learning. Esta arquitectura integra una red neuronal convolucional pre-entrenada para la extracción de características de imágenes y clasificadores de Gradient Boosting para la predicción del grado de osteofitos. Se implementó una estrategia de clasificación jerárquica que divide el problema en un modelo binario para diferenciar casos "No Severo" de "Severo”, y un modelo multiclase para categorizar los grados severos específicos. Para mejorar la robustez y precisión, se aplicó un ensamble por votación suave entre los clasificadores; se ejecutó múltiples veces para hallar su media y desviación estándar. Los resultados demuestran la superioridad de este enfoque. Los clasificadores alcanzaron una precisión global notable. Esta arquitectura jerárquica superó consistentemente a los modelos monolíticos que clasificaban directamente en todas las clases, los cuales presentaban dificultades con las clases minoritarias. El modelo híbrido propuesto ofrece una solución eficiente y precisa para el diagnóstico y gradación de osteofitos, con viabilidad para entornos con recursos computacionales limitados.