A robust neuro-fuzzy classifier for the detection of cardiomegaly in digital chest radiographies

• Fabián Torres-Robles ^[1] ; Alberto Jorge Rosales-Silva ^[1] ; Francisco Javier Gallegos-Funes ^[1] ; Ivonne Bazán-Trujillo ^[1]
  1. [1] Escuela Superior de Ingeniería Mecánica y Eléctrica, Instituto Politécnico Nacional de México, México
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 81, Nº. 186, 2014, págs. 35-41
• Idioma: inglés
• Títulos paralelos:
  • Clasificador robusto neuro-difuso para la detección de cardiomegalia en radiografías digitales del tórax
• Enlaces
  • Texto completo
• Resumen
  • español

    Presentamos un nuevo procedimiento que determina de forma automática y fiable la presencia de cardiomegalia en radiografías torácicas. El CTR muestra la relación entre el tamaño del corazón y el tamaño del tórax. El esquema propuesto utiliza un clasificador robusto difuso para encontrar los valores correctos del tamaño del tórax y los límites del corazón derecho e izquierdo para medir el agrandamiento del corazón para detectar cardiomegalia. El método propuesto utiliza operaciones clásicas de morfología para segmentar los pulmones proporcionando baja complejidad computacional y el método difuso propuesto es robusto para encontrar las medidas correctas del CTR proporcionando un cálculo rápido porque las reglas difusas usan operaciones aritméticas elementales para desempeñar una buena detección de cardiomegalia. Finalmente, se mejoran los resultados de clasificación del método difuso propuesto utilizando una red neuronal función de base radial (RBF) en términos de precisión, sensibilidad y especificidad.

  • English

    We present a novel procedure that automatically and reliably determines the presence of cardiomegaly in chest image radiographies. The cardiothoracic ratio (CTR) shows the relationship between the size of the heart and the size of the chest. The proposed scheme uses a robust fuzzy classifier to find the correct feature values of chest size, and the right and left heart boundaries to measure the heart enlargement to detect cardiomegaly. The proposed approach uses classical morphology operations to segment the lungs providing low computational complexity and the proposed fuzzy method is robust to find the correct measures of CTR providing a fast computation because the fuzzy rules use elementary arithmetic operations to perform a good detection of cardiomegaly. Finally, we improve the classification results of the proposed fuzzy method using a Radial Basis Function (RBF) neural network in terms of accuracy, sensitivity, and specificity.