La neumonía es la principal causa de muerte en niños menores de 5 años a nivel mundial. Los métodos radiológicos ionizantes (Rayos X y Tomógrafos computarizados) son considerados los estudios de referencia para su detección. Sin embargo, los pacientes son expuestos a radiación durante la prueba, y el riesgo de daño es mayor en poblaciones pediátricas. El presente trabajo analiza los histogramas de espacios intercostales extraídos de videos ultrasónicos de pulmón en niños, para su clasificación entre sanos y enfermos, dentro de un video. Para ello, se trabajó con 15 videos de pacientes enfermos y 15 videos de pacientes sanos. Los espacios intercostales (región de interés) se encuentran debajo de la línea pleural en cada cuadro de video. Para identificar la línea pleural se implementó un algoritmo basado en el análisis del centroide de la imagen, donde se obtuvo las áreas que conforman la zona pleural, y mediante interpolación, los puntos de dicha línea. Estos puntos fueron determinantes para la segmentación de los espacios intercostales, ya que marcaron la referencia de inicio para la segmentación. Finalmente, de dichos espacios segmentados, se extrajeron características numéricas de oblicuidad, curtosis, desviación estándar, energía y promedio. El potencial de clasificación de las propiedades fue evaluado individualmente, en pares, y en un solo grupo de 5. Para el análisis de una sola característica, el umbral óptimo de clasificación fue seleccionado por Curva ROC (receiver operator characteristic); para el estudio de las características en pares, se usó análisis SVM (support vector machine) usando kernel RBF; y para el estudio de las 5 características en simultáneo se usó PCA (principal component analaysis) para hallar las dos componentes principales y aplicar SVM para la clasificación. Los resultados revelaron que el promedio es el mejor discriminador cuando se analizaba una sola característica, con 77% de sensibilidad, 75% de especificidad y 75% de exactitud. Cuando se analizó características en pares, el promedio y oblicuidad permitieron la mejor clasificación con 93% de sensibilidad, 86% de especificidad y 88% de exactitud. Finalmente, analizando las 5 características en simultáneo, los resultados fueron: 100% de sensibilidad, 98% de especificidad y 98% de exactitud. / Tesis

La neumonía es una enfermedad respiratoria de alto riesgo cuya tasa de mortandad en niños menores de 5 años es el 15% a nivel mundial, siendo esta la más alta según la Organización Mundial de la Salud [1]. Esta enfermedad afecta directamente a los alveolos llenándolos de pus lo cual tiene como consecuencia que la respiración sea dolorosa [1]. Para detectar la enfermedad se utiliza maquinaria que utiliza radiación ionizante la cual genera daños perjudiciales a los niños en crecimiento. Adicionalmente, para lograr la adquisición de estas maquinarias se requiere infraestructura adecuada para hacer la toma de las imágenes, generando costos elevados. Alternativamente, se han realizado investigaciones con respecto al diagnóstico utilizando ultrasonido las cuales tienen grados de sensibilidad y especificidad que se encuentran por encima del 80% [10]. El problema de utilizar ultrasonido es que las imágenes no siempre se ven de buena calidad por lo que es necesario un entrenamiento previo para detectar neumonía en las imágenes ecográficas. Adicionalmente, al tratarse de un diagnóstico subjetivo es necesario contar con personal que tenga experiencia en imágenes de ultrasonido para lograr un diagnóstico adecuado. El presente trabajo de investigación desarrolló algoritmos basados en las características del tórax en las imágenes ecográficas para poder detectar neumonía en niños cuyas edades oscilan entre 6 meses y 5 años. Para este fin, se generó una base de datos con niños diagnosticados como sanos y enfermos por médicos de la Universidad Tulane en Nueva Orleans y de la Universidad Peruana Cayetano Heredia. A partir de dicha base de datos, se utilizó técnicas de umbralización [22] y de un algoritmo de flujo óptico [24] con puntos de corte variables para desarrollar un código que permita determinar si un paciente tiene o no neumonía. En tal sentido, se logró codificar un algoritmo utilizando métodos de umbralización cuya exactitud media fue del 83.9% con un coeficiente de variación de 0.06 y un algoritmo de flujo óptico cuya exactitud media fue del 80% con un coeficiente de variación de 0.15. Dichos resultados son alentadores debido a la cercanía en exactitud en comparación con los diagnósticos clínicos mostrados en el presente documento. Finalmente, se hizo la comparación de ambos métodos así como las recomendaciones necesarias para futuras investigaciones. / Tesis

La neumonía es la principal causa de muerte en niños menores de 5 años a nivel mundial. Los métodos radiológicos ionizantes (Rayos X y Tomógrafos computarizados) son considerados los estudios de referencia para su detección. Sin embargo, los pacientes son expuestos a radiación durante la prueba, y el riesgo de daño es mayor en poblaciones pediátricas. El presente trabajo analiza los histogramas de espacios intercostales extraídos de videos ultrasónicos de pulmón en niños, para su clasificación entre sanos y enfermos, dentro de un video. Para ello, se trabajó con 15 videos de pacientes enfermos y 15 videos de pacientes sanos. Los espacios intercostales (región de interés) se encuentran debajo de la línea pleural en cada cuadro de video. Para identificar la línea pleural se implementó un algoritmo basado en el análisis del centroide de la imagen, donde se obtuvo las áreas que conforman la zona pleural, y mediante interpolación, los puntos de dicha línea. Estos puntos fueron determinantes para la segmentación de los espacios intercostales, ya que marcaron la referencia de inicio para la segmentación. Finalmente, de dichos espacios segmentados, se extrajeron características numéricas de oblicuidad, curtosis, desviación estándar, energía y promedio. El potencial de clasificación de las propiedades fue evaluado individualmente, en pares, y en un solo grupo de 5. Para el análisis de una sola característica, el umbral óptimo de clasificación fue seleccionado por Curva ROC (receiver operator characteristic); para el estudio de las características en pares, se usó análisis SVM (support vector machine) usando kernel RBF; y para el estudio de las 5 características en simultáneo se usó PCA (principal component analaysis) para hallar las dos componentes principales y aplicar SVM para la clasificación. Los resultados revelaron que el promedio es el mejor discriminador cuando se analizaba una sola característica, con 77% de sensibilidad, 75% de especificidad y 75% de exactitud. Cuando se analizó características en pares, el promedio y oblicuidad permitieron la mejor clasificación con 93% de sensibilidad, 86% de especificidad y 88% de exactitud. Finalmente, analizando las 5 características en simultáneo, los resultados fueron: 100% de sensibilidad, 98% de especificidad y 98% de exactitud.

La neumonía es una enfermedad respiratoria de alto riesgo cuya tasa de mortandad en niños menores de 5 años es el 15% a nivel mundial, siendo esta la más alta según la Organización Mundial de la Salud [1]. Esta enfermedad afecta directamente a los alveolos llenándolos de pus lo cual tiene como consecuencia que la respiración sea dolorosa [1]. Para detectar la enfermedad se utiliza maquinaria que utiliza radiación ionizante la cual genera daños perjudiciales a los niños en crecimiento. Adicionalmente, para lograr la adquisición de estas maquinarias se requiere infraestructura adecuada para hacer la toma de las imágenes, generando costos elevados. Alternativamente, se han realizado investigaciones con respecto al diagnóstico utilizando ultrasonido las cuales tienen grados de sensibilidad y especificidad que se encuentran por encima del 80% [10]. El problema de utilizar ultrasonido es que las imágenes no siempre se ven de buena calidad por lo que es necesario un entrenamiento previo para detectar neumonía en las imágenes ecográficas. Adicionalmente, al tratarse de un diagnóstico subjetivo es necesario contar con personal que tenga experiencia en imágenes de ultrasonido para lograr un diagnóstico adecuado. El presente trabajo de investigación desarrolló algoritmos basados en las características del tórax en las imágenes ecográficas para poder detectar neumonía en niños cuyas edades oscilan entre 6 meses y 5 años. Para este fin, se generó una base de datos con niños diagnosticados como sanos y enfermos por médicos de la Universidad Tulane en Nueva Orleans y de la Universidad Peruana Cayetano Heredia. A partir de dicha base de datos, se utilizó técnicas de umbralización [22] y de un algoritmo de flujo óptico [24] con puntos de corte variables para desarrollar un código que permita determinar si un paciente tiene o no neumonía. En tal sentido, se logró codificar un algoritmo utilizando métodos de umbralización cuya exactitud media fue del 83.9% con un coeficiente de variación de 0.06 y un algoritmo de flujo óptico cuya exactitud media fue del 80% con un coeficiente de variación de 0.15. Dichos resultados son alentadores debido a la cercanía en exactitud en comparación con los diagnósticos clínicos mostrados en el presente documento. Finalmente, se hizo la comparación de ambos métodos así como las recomendaciones necesarias para futuras investigaciones.