Investigación destacada n.° (3): Inteligencia artificial para una interpretación más precisa de imágenes radiográficas
Investigadores de la Universidad Beni-Suef presentan un estudio en el campo del diagnóstico médico preciso. A principios de 2025, se publicó el estudio "Detección de la varianza cubital a partir de imágenes radiográficas mediante aprendizaje profundo". El estudio abordó un problema médico muy específico: la diferencia de longitud entre el cúbito y el radio en la muñeca, un factor clave en el diagnóstico de trastornos de la mano y la muñeca. Los métodos tradicionales para medir esta varianza se basan en mediciones manuales, que requieren mucho tiempo y son propensas a errores.
El equipo de investigación presentó una solución innovadora que utiliza inteligencia artificial. Emplearon técnicas U-Net para segmentar con precisión el cúbito y el radio, seguidas de DenseNets para clasificar los casos en tres categorías principales: varianza cubital positiva, varianza cubital negativa y varianza neutra.
La característica distintiva de este estudio es que no se basó únicamente en algoritmos existentes; El equipo creó una nueva base de datos de imágenes de rayos X de mano meticulosamente documentadas que servirá como referencia científica para el entrenamiento futuro de modelos. También optimizaron las configuraciones de los modelos para lograr el máximo rendimiento posible.
Los resultados fueron notables: 97,7 % de precisión en la segmentación ósea a partir de imágenes radiográficas y 92,1 % de precisión en la clasificación de la varianza. Estos resultados superan estudios previos y demuestran que la inteligencia artificial puede reducir significativamente el tiempo de diagnóstico, a la vez que mejora la fiabilidad de los resultados.
Autores del estudio:
Prof. Mohamed Sayed Qaied, Catedrático de Ciencias de la Computación y Decano de la Facultad de Informática e Inteligencia Artificial de la Universidad Beni-Suef
Dr. Abdelrahim Qoura, Catedrático Emérito del Departamento de Ciencias de la Computación de la Facultad de Informática e Inteligencia Artificial de la Universidad Beni-Suef
Ing. Sahar Hassan Noah – Profesora Adjunta, Departamento de Ciencias de la Computación, Facultad de Informática e Inteligencia Artificial, Universidad Beni-Suef
Detalles de la publicación:
El estudio se publicó en la revista Journal of Big Data, publicada por Springer Nature, volumen 12, artículo número 26 (2025). La revista se encuentra entre el 2% de las mejores revistas especializadas en ciencias de la computación, está indexada en Clarivate Expanded Index y Scopus, y tiene un factor de impacto reciente de 6,4.
Enlace del estudio:
[https://doi.org/10.1186/s40537-025-01072-2](https://doi.org/10.1186/s40537-025-01072-2)
Resumen en inglés
Investigadores de la Universidad Beni-Suef utilizaron IA para mejorar el diagnóstico de trastornos de la muñeca. Su modelo segmentó los huesos de la muñeca con una precisión del 97,7% y clasificó la varianza con un 92,1%. Desarrollaron un nuevo conjunto de datos anotados para entrenar y validar modelos de aprendizaje profundo. Publicado en 2025 en Journal of Big Data (Springer Nature, vol. 12, artículo 26, top 2%, IF 6.4, Scopus, Clarivate).