Reconocimiento de tumores cerebrales basado en aprendizaje profundo

Los tumores cerebrales son enfermedades fatales que requieren un tratamiento adecuado, por lo que un diagnóstico preciso y oportuno es crítico para un tratamiento exitoso. El aprendizaje profundo (DL) ha surgido como una herramienta poderosa para mejorar la precisión en el reconocimiento de tumores cerebrales y subraya la importancia de optimizar los parámetros de entrenamiento y el tamaño del conjunto de datos. Estos hallazgos demuestran la viabilidad de utilizar DL para un reconocimiento preciso y eficiente de tumores cerebrales, lo que tiene implicaciones significativas para mejorar los resultados en los pacientes. Un diagnóstico preciso y oportuno puede mejorar enormemente los resultados del tratamiento y potencialmente salvar vidas. Este documento investigó el impacto del DL en el reconocimiento de tumores cerebrales utilizando un algoritmo de red neuronal convolucional (CNN) y un conjunto de datos de imágenes por resonancia magnética (IRM) de 4000 muestras, cada una con un tamaño de (224×224). Los resultados muestran que aumentar el tamaño del conjunto de datos llevó a un mejor rendimiento, con un aumento de la precisión y la generalización del modelo. Además, aumentar el número de épocas durante el entrenamiento mejora la precisión; con 60 épocas como nuestra elección para el modelo DL, logramos una precisión del 97.28%.