Desarrollo de un clasificador por medio de redes neuronales para el Diagnóstico de Neumonía infantil a través de imágenes de rayos-X
DOI:
https://doi.org/10.70554/OBJK2026.v02n01.08Palabras clave:
Clasificador, Imágenes de rayos X de tórax, Neumonía infantil, Redes neuronales, Diagnóstico asistido por computador, Inteligencia artificialResumen
Este estudio presenta el desarrollo de un clasificador basado en redes neuronales para el diagnóstico de neumonía infantil mediante imágenes de rayos X de tórax. La base de datos utilizada contiene radiografías anteroposteriores de cohortes retrospectivas de pacientes pediátricos de uno a cinco años del Centro Médico de Mujeres y Niños de Guangzhou. Mediante una rutina desarrollada en MATLAB, se extrajeron siete características de textura de cada imagen: media, desviación estándar, entropía, contraste, correlación, energía y homogeneidad. Estas características fueron utilizadas como entradas de una red neuronal artificial de alimentación directa, diseñada para clasificar las imágenes como normales o asociadas con neumonía bacteriana. La base de datos estuvo conformada por 49 imágenes normales y 48 imágenes con neumonía bacteriana. La red neuronal con mejor desempeño alcanzó una exactitud global del 96.9%, lo que sugiere que el enfoque propuesto puede constituir una herramienta eficiente e interpretable de apoyo al diagnóstico asistido por computador. No obstante, el tamaño reducido del conjunto de datos y la ausencia de validación externa limitan la generalización clínica del modelo, aspecto que deberá abordarse en investigaciones futuras.
Citas
Blasi Sanchiz, A. (2021). Classificació d’imatges pel diagnòstic de pneumònia.
Chaguendo Sanchez, C. A., & Avirama Buitrago, J. A. (2020). Plataforma móvil para el diagnóstico automático de la neumonía a partir de radiografías torácicas soportada en deep learning.
Godoy Francisco, V. L. (2020). Algoritmo de diagnóstico preliminar de neumonía a partir de imágenes radiográficas del tórax.
Harib, W., Fouad, S., & Mahmoud, T. F. (2026). A Dirichlet distribution-based trust-adaptive ensemble approach for pneumonia classification from chest X-ray images. In IEEE International Symposium on Biomedical Imaging (ISBI). IEEE. DOI: https://doi.org/10.1109/ISBI61048.2026.11515438
International Society for Pharmacoeconomics and Outcomes Research. (2026). Evaluating a deep learning model for classifying pediatric pneumonia in Israel. Retrieved March 6, 2026.
Katreddi, S., Midatani, A., Roy, A. P., Velpuri, U., & Kasani, S. (2025). Pediatric pneumonia X-ray image classification: Predictive model development with DenseNet-169 transfer learning. Journal of Medical Artificial Intelligence, 8(0). DOI: https://doi.org/10.21037/jmai-24-356
Khadidos, A. O., Nanyonga, A., Khadidos, A. O., Mirza, O. M., & Yilmaz, M. T. (2026). Explainable deep learning for pediatric pneumonia detection in chest X-ray images.
Naar Pérez, A., & Barreto Martínez, F. (2019). Modelo de red neuronal convolucional para el diagnóstico de neumonía en imágenes radiológicas.
Rickard, D., Kabir, M. A., & Homaira, N. (2025). Machine learning-based approaches for distinguishing viral and bacterial pneumonia in paediatrics: A scoping review. Computer Methods and Programs in Biomedicine, 268, 108802. DOI: https://doi.org/10.1016/j.cmpb.2025.108802
Salamon, S., & Książek, W. (2025). Capsule neural networks with Bayesian optimization for pediatric pneumonia detection from chest X-ray images. Journal of Clinical Medicine, 14(20), 7212. DOI: https://doi.org/10.3390/jcm14207212
Sánchez, J. M. B., Villagómez, J. L., Moreno, A. L., & Jiménez, L. M. (2024). The development of a classifier based on neural networks and k-neighbors for pediatric pneumonia diagnosis through X-ray images.
Tapia Vargas, G. R. (2015). Utilidad de la radiografía de tórax en el diagnóstico de neumonía en pacientes pediátricos, de 2 a 5 años, del Hospital III Yanahuara, Arequipa, Perú.
Ye, Y., & Zhou, W. (2026). Artificial intelligence in the diagnosis and prognosis of pediatric bacterial pneumonia: Current advances and challenges. Current Opinion in Pediatrics, 38(2), 149. DOI: https://doi.org/10.1097/MOP.0000000000001545
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Fredy Munera Romero, Adrian Gómez Consuegra
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores retienen los derechos de copia (copyrigth) y ceden a la revista el derecho de publicación del trabajo bajo licencia Creative Commons Attribution License, que permite a terceros utilizar lo publicado siempre que hagan referencia al autor o autores del trabajo, y a su publicación en DERROTERO.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-Compartir Igual 4.0 Internacional. 
a 