{rfName}
Au

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

9

Altmetrics

Investigadores/as Institucionales

Arias-Londono, JdAutor o CoautorMoure-Prado, AAutor o CoautorGodino-Llorente, JiAutor (correspondencia)

Compartir

13 de febrero de 2024
Publicaciones
>
Artículo
Sí

Automatic Identification of Lung Opacities Due to COVID-19 from Chest X-ray Images-Focussing Attention on the Lungs

Publicado en: Diagnostics. 13 (8): 1381- - 2023-04-01 13(8), DOI: 10.3390/diagnostics13081381

Autores:

Arias-Londoño, JD; Moure-Prado, A; Godino-Llorente, JI
[+]

Afiliaciones

Univ Politecn Madrid, ETSI Telecomunicac, Avda Ciudad Univ 30, Madrid 28040, Spain - Autor o Coautor

Resumen

Due to the primary affection of the respiratory system, COVID-19 leaves traces that are visible in plain chest X-ray images. This is why this imaging technique is typically used in the clinic for an initial evaluation of the patient's degree of affection. However, individually studying every patient's radiograph is time-consuming and requires highly skilled personnel. This is why automatic decision support systems capable of identifying those lesions due to COVID-19 are of practical interest, not only for alleviating the workload in the clinic environment but also for potentially detecting non-evident lung lesions. This article proposes an alternative approach to identify lung lesions associated with COVID-19 from plain chest X-ray images using deep learning techniques. The novelty of the method is based on an alternative pre-processing of the images that focuses attention on a certain region of interest by cropping the original image to the area of the lungs. The process simplifies training by removing irrelevant information, improving model precision, and making the decision more understandable. Using the FISABIO-RSNA COVID-19 Detection open data set, results report that the opacities due to COVID-19 can be detected with a Mean Average Precision with an IoU > 0.5 (mAP@50) of 0.59 following a semi-supervised training procedure and an ensemble of two architectures: RetinaNet and Cascade R-CNN. The results also suggest that cropping to the rectangular area occupied by the lungs improves the detection of existing lesions. A main methodological conclusion is also presented, suggesting the need to resize the available bounding boxes used to delineate the opacities. This process removes inaccuracies during the labelling procedure, leading to more accurate results. This procedure can be easily performed automatically after the cropping stage.
[+]

Palabras clave

ArticleArtificial intelligenceArtificial neural networkChest x-rayComputer assisted radiographyComputer assisted tomographyConvolutional neural networkCoronavirus disease 2019Covid-19Cross validationDecision support systemDeep learningDigital radiographyFalse positive resultHumanLesions detectionMajor clinical studyMucosaPneumoniaReproducibilityRespiratory systemThorax radiography

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Diagnostics debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2023, se encontraba en la posición 59/329, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Medicine, General & Internal.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 1.15. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 13 Nov 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-27, el siguiente número de citas:

  • WoS: 4
  • Scopus: 5
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-27:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 11 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/84850/

    Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

    • Visualizaciones: 148
    • Descargas: 77
    [+]

    Análisis de liderazgo de los autores institucionales

    Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (ARIAS LONDOÑO, JULIAN DAVID) y Último Autor (GODINO LLORENTE, JUAN IGNACIO).

    el autor responsable de establecer las labores de correspondencia ha sido GODINO LLORENTE, JUAN IGNACIO.

    [+]

    Reconocimientos ligados al ítem

    This research was funded by Comunidad de Madrid (Program: CM-RIS3), grant REACT-CM MadridDataSpace4Pandemics-CM. Funded as a response of the EU to the COVID-19 Pandemics.
    [+]