Sistema de reconocimiento litiasis renal a través de imágenes diagnósticas basado en Deep Learning

Los cálculos renales, o también conocidos como litiasis renal, están en la posición número 10 de enfermedades más buscadas y consultadas a los profesionales de la salud en Colombia (Pico, 2019). El problema tratado en este proyecto es la brecha de confiabilidad existente entre una imagen capturada por ultrasonido y una capturada por Tomografía Computarizada (TC) para la detección de litiasis renal. La captura de datos por TC en principio se considera más efectiva, pero tiene un costo mayor y es invasiva para el paciente; por otra parte, las imágenes capturadas por ecografía se pueden conseguir a menor costo, pero dependen en gran medida de la habilidad y experticia del profesional que las captura.
Tomando en cuenta lo anterior, si se diseña un procedimiento que disminuya el ruido de la imagen y asista a los especialistas médicos en el proceso de detección, se podrán reducir los costos relacionados al diagnóstico y de esta manera, aumentar la precisión del mismo sin la necesidad de uso de equipos adicionales ni capacitación adicional para los profesionales; por esto, la posibilidad de tener un sistema que permita la detección de cálculos o litiasis renales a través de ecografías implicaría un avance importante en este campo y un apoyo para los especialistas radiólogos, ya que, con el procedimiento estándar utilizado actualmente (TC), generan un mayor costo y deben lidiar con los riesgos de la invasión al cuerpo humano en el momento del estudio.