Red neural convolucional para reconocimiento de imágenes médicas de úlceras neuropáticas. Una revisión integrativa

Abstract

Introducción: La red neuronal convolucional es un tipo de red neuronal diseñada especialmente para el procesamiento de datos espaciales como imágenes. Es capaz de aprender automáticamente las características relevantes de las imágenes durante el entrenamiento, lo que los hace extremadamente efectivos en tareas de visión como el reconocimiento de objetos, la detección de patrones y segmentación de imágenes.
Objetivo: Evaluar el uso de la red neuronal convolucional para reconocimiento de imágenes de úlceras neuropáticas.
Método: Se realizó una revisión bibliográfica integradora de la literatura utilizando descriptores MeSH y términos como: Red neuronal convolucional, imágenes médicas, úlcera neuropática, paciente, diabetes. Se revisaron 1 436 artículos en bases de datos y documentos oficiales, se seleccionaron las fuentes relevantes con Mendeley Desktop 1.19.4. y se obtuvieron al final 35 artículos.
Resultados: La clasificación de las úlceras neuropáticas a través de la red neural convolucional se consideró una alternativa para la toma de decisiones clínicas y de cuidados contribuyendo a mejorar la calidad de la atención del paciente permitiendo mejorar los métodos diagnóstico y tratamiento de la entidad patológica.
Conclusiones: Con el aumento de la población diabética y la creciente brecha de oferta de demanda de recursos, las rede neural convolucional es el futuro para la identificación temprana de la úlcera neuropática y la reducción de las amputaciones.
Palabras clave: Red neuronal convolucional; Imágenes médicas; Úlcera neuropática; Paciente; Diabetes mellitus.

ABSTRACT
Introduction: The convolutional neural network is a type of neural network specially designed for the processing of spatial data such as images. It is capable of automatically learn the relevant characteristics of images during training, making them extremely effective in vision tasks such as object recognition, pattern detection, and image segmentation.
Objective: To evaluate the use of the convolutional neural network for image recognition of neuropathic ulcers.
Method: An integrative literature review was carried out using MeSH descriptors and terms such as: convolutional neural network, medical imaging, neuropathic ulcer, patient, diabetes. A total of 1 436 articles were reviewed in databases and official documents; relevant sources were selected using Mendeley Desktop 1.19.4. and 35 articles were obtained in the end.
Results: The classification of neuropathic ulcers through the convolutional neural network was considered as an alternative for clinical and care decision-making, contributing to improve the quality of patient care and allowing to improve the diagnostic and treatment methods of the pathological entity.
Conclusions: With the increase in the diabetic population and the growing supply gap in resource demand, convolutional neural networks are the future for early identification of neuropathic ulcer and reduction of amputations.
Keywords: Diabetes mellitus; medical imaging; artificial intelligence for the diagnosis of medical images; lower limb amputation for non-traumatic reasons.