RESUMEN
La detección de calcificaciones aórticas con imágenes de tomografía predice enfermedades cardiovasculares pero su cuantificación manual es tediosa. En este trabajo se entrenaron redes neuronales convolucionales (CNNs) para clasificarlas automáticamente. Se analizaron 1415 pacientes de los cuales se conocía la posición de las calcificaciones junto a la geometría aórtica. Se reconstruyeron digitalmente parches axiales, coronales y sagitales centrados en cada candidato a lesión. Las lesiones candidatas consistieron en agrupaciones de píxeles con atenuación superior a 130 HU en torno a la aorta. La arquitectura de las CNNs fueron dos bloques de convolución y max-pooling seguidos de dos capas fully-connected. Como métricas de evaluación se utilizaron el F1 score, la exactitud, la sensibilidad y la especificidad. La red axial obtuvo los mejores resultados de detección en las porciones ascendente y arco, mientras que la red sagital se destacó en la porción descendente, llegando a detectar correctamente el ≈95% de las lesiones.
