Detección de Neumonía con Transformers (CheX-DS)
Modelo híbrido DenseNet121 + Swin Transformer en PyTorch con pérdida asimétrica ponderada, logrando un 99% de sensibilidad en radiografías de tórax.
Resumen del Proyecto
El diagnóstico médico asistido por computadora requiere una tasa mínima de falsos negativos. La arquitectura CheX-DS integra la capacidad de extracción de patrones locales de una DenseNet121 con la atención global y contextual de un Swin Transformer.
Aspectos Clave de la Implementación
- Pérdida Asimétrica Ponderada: Se formuló una función de pérdida que castiga con mayor severidad los falsos negativos frente al marcado desequilibrio entre radiografías sanas y patológicas.
- Métricas Sobresalientes: Se alcanzó un 99% de Recuperación (Recall / Sensibilidad), reduciendo la pérdida de prueba de 1.03 (ResNet50 baseline) a solo 0.29.
- Despliegue Interactivo: Se diseñó una aplicación interactiva en Streamlit empaquetada con Docker, permitiendo inferencias reproducibles y visualización de activaciones sobre imágenes médicas.