Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture

• Autores: Carhuamaca Puente, Albert, Santos Rojas, Daniel
• Formato: artículo
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: Revistas - Universidad Nacional Mayor de San Marcos
• Lenguaje: español
• OAI Identifier: oai:revistasinvestigacion.unmsm.edu.pe:article/31011
• Enlace del recurso: https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/31011
• Nivel de acceso: acceso abierto
• Materia: Tuberculosis; CNN; Mobilenet; Resnet-50

La tuberculosis es una enfermedad antigua y que actualmente sigue afectando a nivel mundial. Es la segunda enfermedad infecciosa más mortífera del mundo superada únicamente por la Covid, según la Organización Mundial de la Salud. Debido a esto, se propone un enfoque para la detección tuberculosis a través de imágenes de radiografías de tórax, aplicando dos modelos de Deep learning más utilizadas en la literatura: “Mobilenet” y “Resnet-50” y una “CNN sin arquitectura predefinida”. El enfoque se desarrolla en 4 fases: (1) Adquisición del dataset, (2) desarrollo de los modelos mencionados, (3) la evaluación del desempeño y (4) análisis de resultados. El dataset está conformado por 1,158 imágenes de radiografías de tórax clasificadas en dos clases: “Normal” y “Tuberculosis”. Los resultados evidenciaron que el modelo “Resnet-50” tuvo un mejor rendimiento en comparación de los otros modelos, obteniendo una precisión de 97% y 89% en la detección de las clases “Tuberculosis” y “normal” respectivamente.