The automatic diagnostic discrimination is an application of artificial intelligence techniques that can solve clinical cases based on imaging. Diffuse liver diseases are diseases of wide prominence in the population and insidious course, yet early in its progression. Early and effective diagnosis is necessary because many of these diseases progress to cirrhosis and liver cancer. The usual technique of choice for accurate diagnosis is liver biopsy, an invasive and not without incompatibilities one. It is proposed in this project an alternative non-invasive and free of contraindications method based on liver ultrasonography. The images are digitized and then analyzed using statistical techniques and analysis of texture. The results are validated from the pathology report. Finally, we apply artificial intelligence techniques as Fuzzy k-Means or Support Vector Machines and compare its significance to the analysis Statistics and the report of the clinician. The results show that this technique is significantly valid and a promising alternative as a noninvasive diagnostic chronic liver disease from diffuse involvement. Artificial Intelligence classifying techniques significantly improve the diagnosing discrimination compared to other statistics.

La discriminación de diagnóstico automático es una aplicación de técnicas de inteligencia artificial que puede resolver los casos clínicos basándose en imágenes. Las enfermedades difusas del hígado se encuentran ampliamente difundidas entre la población y su insidiosa evolución, incluso al principio de su progresión. El diagnóstico temprano y eficaz es necesario porque muchas de estas enfermedades evolucionan a una cirrosis o cáncer hepático. La técnica elegida habitualmente para un diagnóstico preciso es la biopsia hepática, una técnica invasiva y no sin incompatibilidades. En este proyecto se propone un método alternativo no invasivo y libre de contraindicaciones basado en la ecografía del hígado. Las imágenes se digitalizan y se analizan mediante técnicas estadísticas y el análisis de la textura. Los resultados se validan en el informe de anatomía patológica. Por último, se aplican técnicas de inteligencia artificial como Fuzzy k-Means o Máquinas de soporte vectorial y se compara su importancia para el análisis de estadísticas y el informe médico. Los resultados muestran que esta técnica es significativamente válida y una alternativa prometedora como una manera no invasiva de diagnóstico de enfermedades hepáticas crónicas de afectación difusa. Las técnicas de clasificación mediante Inteligencia Artificial mejoran significativamente el diagnóstico discriminatorio en comparación con otras estadísticas.

La discriminació de diagnòstic automàtic és una aplicació de tècniques d'intel·ligència artificial que pot resoldre els casos clínics basant-se en imatges. Les malalties difuses del fetge es troben àmpliament difoses entre la població i la seva insidiosa evolució, fins i tot al principi de la seva progressió. El diagnòstic primerenc i eficaç és necessari perquè moltes d'aquestes malalties evolucionen a una cirrosi o càncer hepàtic. La tècnica escollida habitualment per a un diagnòstic precís és la biòpsia hepàtica, una tècnica invasiva i no sense incompatibilitats. En aquest projecte es proposa un mètode alternatiu no invasiu i lliure de contraindicacions basat en l'ecografia del fetge. Les imatges es digitalitzen i s'analitzen mitjançant tècniques estadístiques i l'anàlisi de la textura. Els resultats es validen en l'informe d'anatomia patològica. Finalment, s'apliquen tècniques d'intel·ligència artificial com Fuzzy k-Means o Màquines de suport vectorial i es compara la seva importància per a l'anàlisi d'estadístiques i l'informe mèdic. Els resultats mostren que aquesta tècnica és significativament vàlida i una alternativa prometedora com una manera no invasiva de diagnòstic de malalties hepàtiques cròniques d'afectació difusa. Les tècniques de classificació mitjançant Intel·ligència Artificial milloren significativament el diagnòstic discriminatori en comparació amb altres estadístiques.