Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tórax
Esta investigación pretende dilucidar, a partir del análisis de técnicas de inteligencia artificial explicables, la robustez y el nivel de generalización de los métodos de visión por computadora propuestos para identificar COVID-19 utilizando imágenes de radiografías de tórax. Asimismo, alertar a lo...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Centro Provincial de Información de Ciencias Médicas. Cienfuegos
2022-03-01
|
| Series: | Medisur |
| Subjects: | |
| Online Access: | http://medisur.sld.cu/index.php/medisur/article/view/5373 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832576879988572160 |
|---|---|
| author | José Daniel López Cabrera Marlen Pérez Díaz |
| author_facet | José Daniel López Cabrera Marlen Pérez Díaz |
| author_sort | José Daniel López Cabrera |
| collection | DOAJ |
| description | Esta investigación pretende dilucidar, a partir del análisis de técnicas de inteligencia artificial explicables, la robustez y el nivel de generalización de los métodos de visión por computadora propuestos para identificar COVID-19 utilizando imágenes de radiografías de tórax. Asimismo, alertar a los investigadores y revisores sobre el problema del aprendizaje por atajos. En este estudio se siguen recomendaciones para identificar si los modelos de clasificación automática de COVID-19 se ven afectados por el aprendizaje por atajos. Para ello, se revisaron los artículos que utilizan métodos de inteligencia artificial explicable en dicha tarea. Se evidenció que al utilizar la imagen de radiografía de tórax completa o el cuadro delimitador de los pulmones, las regiones de la imagen que más contribuyen a la clasificación aparecen fuera de la región pulmonar, algo que no tiene sentido. Los resultados indican que, hasta ahora, los modelos existentes presentan el problema de aprendizaje por atajos, lo cual los hace inapropiados para ser usados en entornos clínicos. |
| format | Article |
| id | doaj-art-2722bebb1e2a430c8ff8c915eb814394 |
| institution | Kabale University |
| issn | 1727-897X |
| language | Spanish |
| publishDate | 2022-03-01 |
| publisher | Centro Provincial de Información de Ciencias Médicas. Cienfuegos |
| record_format | Article |
| series | Medisur |
| spelling | doaj-art-2722bebb1e2a430c8ff8c915eb8143942025-01-30T21:28:58ZspaCentro Provincial de Información de Ciencias Médicas. CienfuegosMedisur1727-897X2022-03-012023413512123Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tóraxJosé Daniel López Cabrera0Marlen Pérez Díaz1Facultad de Matemática, Física y Computación. Universidad Central Marta Abreu de Las Villas. Villa Clara. Cuba.Facultad de Ingeniería Eléctrica. Universidad Central Marta Abreu de Las Villas. Villa Clara. Cuba.Esta investigación pretende dilucidar, a partir del análisis de técnicas de inteligencia artificial explicables, la robustez y el nivel de generalización de los métodos de visión por computadora propuestos para identificar COVID-19 utilizando imágenes de radiografías de tórax. Asimismo, alertar a los investigadores y revisores sobre el problema del aprendizaje por atajos. En este estudio se siguen recomendaciones para identificar si los modelos de clasificación automática de COVID-19 se ven afectados por el aprendizaje por atajos. Para ello, se revisaron los artículos que utilizan métodos de inteligencia artificial explicable en dicha tarea. Se evidenció que al utilizar la imagen de radiografía de tórax completa o el cuadro delimitador de los pulmones, las regiones de la imagen que más contribuyen a la clasificación aparecen fuera de la región pulmonar, algo que no tiene sentido. Los resultados indican que, hasta ahora, los modelos existentes presentan el problema de aprendizaje por atajos, lo cual los hace inapropiados para ser usados en entornos clínicos.http://medisur.sld.cu/index.php/medisur/article/view/5373inteligencia artificialclasificaciónradiografía torácicacovid-19 |
| spellingShingle | José Daniel López Cabrera Marlen Pérez Díaz Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tórax Medisur inteligencia artificial clasificación radiografía torácica covid-19 |
| title | Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tórax |
| title_full | Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tórax |
| title_fullStr | Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tórax |
| title_full_unstemmed | Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tórax |
| title_short | Inteligencia artificial explicable, una perspectiva al problema de la clasificación automática de COVID-19 mediante radiografías de tórax |
| title_sort | inteligencia artificial explicable una perspectiva al problema de la clasificacion automatica de covid 19 mediante radiografias de torax |
| topic | inteligencia artificial clasificación radiografía torácica covid-19 |
| url | http://medisur.sld.cu/index.php/medisur/article/view/5373 |
| work_keys_str_mv | AT josedaniellopezcabrera inteligenciaartificialexplicableunaperspectivaalproblemadelaclasificacionautomaticadecovid19medianteradiografiasdetorax AT marlenperezdiaz inteligenciaartificialexplicableunaperspectivaalproblemadelaclasificacionautomaticadecovid19medianteradiografiasdetorax |