Artefactos en imágenes radiológicas digitales: uso de redes neuronales profundas para la mejora de la calidad diagnóstica

Abstract

La presente propuesta de investigación tiene como objetivo analizar el uso de redes neuronales profundas como una herramienta de apoyo en la detección y corrección automática de artefactos en imágenes médicas, buscando mejorar la calidad diagnóstica y disminuir la repetición innecesaria de estudios radiológicos. Este estudio se desarrolla bajo un enfoque cualitativo, descriptivo y documental, sustentado en la revisión de literatura científica reciente relacionada con la inteligencia artificial aplicada al procesamiento de imágenes médicas, especialmente en modalidades como la resonancia magnética, la tomografía computarizada y los rayos X. A través del análisis de modelos existentes, se pretende formular una propuesta de integración clínica que responda al rol del Tecnólogo en Imágenes Diagnósticas, fortaleciendo su participación en los procesos de optimización de la calidad de imagen antes de la interpretación por parte del médico radiólogo. El propósito esencial es demostrar que las herramientas basadas en inteligencia artificial no sustituyen la labor humana, sino que la complementan, promoviendo la seguridad del paciente, la eficiencia asistencial y la excelencia en el diagnóstico médico.