Este artículo presenta un enfoque multifacético para abordar la falta de datos en el diagnóstico de lesiones de muñeca en pacientes pediátricos con fracturas. Utilizando un conjunto de datos limitado, abordamos la tarea de reconocimiento de grano fino para identificar lesiones sutiles de rayos X que las CNN convencionales pasan por alto, y mejoramos el rendimiento de la red mediante la integración de metadatos del paciente con imágenes de rayos X. Además, utilizamos ponderaciones preentrenadas en un conjunto de datos de grano fino en lugar de un conjunto de datos general como ImageNet. Como resultado, mostramos una mejora del 2% en la precisión diagnóstica en el conjunto de datos limitado y más del 10% en el conjunto de datos más amplio centrado en fracturas. En particular, aunque la integración de metadatos se ha utilizado en otros campos médicos, esta es la primera vez que se ha aplicado al diagnóstico de lesiones de muñeca.
