VoxelScan · Clasificación de Radiografías de Tórax

Sistema de diagnóstico asistido basado en deep learning para clasificar radiografías de tórax en cuatro categorías:

• COVID‑19
• Neumonía bacteriana
• Neumonía viral
• Sano (Normal)

El modelo (DenseNet‑121 fine‑tuned) alcanza una precisión global del 92% y un recall >0,90 para neumonías en general. La API está construida con FastAPI y sirve una interfaz web minimalista para carga de imágenes.

---

📦 Requisitos

• Python 3.8+
• pip

---

🚀 Instalación y ejecución

# Clonar repositorio
git clone https://github.com
cd voxelscan

# Instalar dependencias
pip install -r requirements.txt

# Levantar servidor
uvicorn backend:app --reload --host 127.0.0.1 --port 8000

Una vez levantado el servidor, abre http://localhost:8000 en tu navegador para interactuar con la interfaz web.

---

🧠 Uso de la API

Endpoint: POST /predict

Recibe un archivo de imagen a través de parámetros de formulario.

• Form-data: file (imagen JPG/PNG)

Ejemplo de petición con curl:

curl -X POST http://localhost:8000/predict -F "file=@radiografia.jpg"

Respuesta JSON:

{
  "clase": "COVID-19",
  "probabilidades": {
    "COVID-19": 0.982,
    "Normal": 0.007,
    "Neumonía Bacteriana": 0.006,
    "Neumonía Viral": 0.005
  }
}

---

📊 Rendimiento del modelo

Clase	Recall (test)	Precisión
COVID-19	1.00	0.99
Normal	0.98	0.97
Neumonía bacteriana	0.92	0.87
Neumonía viral	0.73	0.85

• Global accuracy: 92% | Macro F1: 0.91

---

🛠️ Estado del proyecto y Roadmap (En desarrollo)

📈 Nota de desarrollo: Estamos trabajando activamente en mejorar las métricas de la versión actual. Nuestro enfoque principal está en resolver la tasa de error en falsos negativos de neumonías virales.

Próximas mejoras:

• Optimización de Neumonía Viral: Reentrenamiento y balanceo de datos para elevar el recall (actualmente en 0.73).
• Data Augmentation: Incorporar técnicas avanzadas de aumentación de datos médicos para mejorar la generalización.
• Soporte DICOM: Permitir la carga directa de archivos de imagen médica profesional.

---

📁 Estructura del proyecto

.
├── backend.py          # API FastAPI + carga del modelo
├── model_web.pt        # Modelo exportado a TorchScript
├── static/
│   └── index.html      # Interfaz web minimalista
├── requirements.txt
└── README.md

---

⚠️ Limitaciones

• Uso asistencial: El modelo es exclusivamente de apoyo y no reemplaza el criterio o diagnóstico de un radiólogo profesional.
• Fallas en Neumonía Viral: El rendimiento para esta clase específica es notablemente inferior. Se requiere siempre confirmación clínica complementaria.
• Tipo de entrada: Funciona de forma exclusiva con radiografías de tórax frontales (proyección postero‑anterior).

---

📄 Licencia

MIT. Uso académico y de investigación. Desarrollado como proyecto de visión artificial médica.