Este artículo presenta un enfoque multifacético para superar la dificultad y la limitación de los datos en el diagnóstico de lesiones de muñeca pediátricas. Utilizamos una estrategia de reconocimiento de grano fino para identificar lesiones de rayos T48248 que pasan desapercibidas con las CNN convencionales, y mejoramos el rendimiento de la red mediante la fusión de metadatos del paciente e imágenes de rayos T48249. Además, utilizamos ponderaciones preentrenadas con un conjunto de datos de grano fino en lugar de un conjunto de datos común como ImageNet. Mostramos una mejora del 2 % en la precisión diagnóstica con un conjunto de datos limitado y de más del 10 % con un conjunto de datos más amplio, centrado en fracturas. Este es un novedoso intento de utilizar la integración de metadatos en el diagnóstico de lesiones de muñeca.
