Aplicación de Deep Learning para el diagnóstico rápido y preciso de fracturas óseas en perros mediante imágenes radiográficas

Abstract

La radiografía continúa siendo la herramienta diagnóstica de mayor uso en la medicina veterinaria para la detección de fracturas óseas en perros. No obstante, su interpretación manual puede verse afectada por la experiencia del profesional, así como por factores como el cansancio o la sobrecarga laboral. En este contexto, el presente estudio evaluó el desempeño de un modelo de deep learning basado en la arquitectura YOLOv5, orientado al diagnóstico de imágenes radiográficas caninas divididas en dos categorías: presencia o ausencia de fracturas. El modelo alcanzó una precisión del 83.3%, superando significativamente a tres médicos veterinarios generales, quienes registraron porcentajes de acierto de entre el 40% y el 70%. Además, el sistema automatizado permitió reducir el tiempo promedio de diagnóstico en un 40%, logrando clasificaciones en cuestión de segundos. Esos resultados resaltan la viabilidad de la inteligencia artificial como herramienta para mejorar la precisión, la rapidez y la consistencia del diagnóstico en medicina veterinaria, especialmente en entornos con recursos humanos limitados. Se recomienda ampliar la base de datos y validar el modelo en contextos clínicos reales.

Ähnliche Arbeiten