Ingenierías USBMed · 2026

Red neuronal convolucional para la detección del cáncer cerebral

Objetivo: El cáncer cerebral es una enfermedad ocasionada por tumorescerebrales malignos, los cuales crecen rápidamente invadiendo las áreas sanas delcerebro. Las redes neuronales convolucionales (RNC) se caracterizan por su granprecisión y su capacidad de clasificar datos. El objetivo de este trabajo fue construiruna RNC para detectar la presencia de esta enfermedad a partir de imágenes deresonancias magnéticas (MRI). Métodos y materiales: La RNC se construyó conun conjunto de datos etiquetados que contiene imágenes de resonancia magnéticacerebral (MRI) reales de pacientes con y sin tumores. El conjunto de datos sedivide en dos partes, entrenamiento y prueba. El primero contiene 2870 MRIcerebrales etiquetadas, que se utilizaron para entrenar la RNC, el conjunto deprueba comprende una colección separada de 394 MRI cerebrales etiquetadas quese utilizaron para evaluar su rendimiento y la capacidad de generalización. Para elentrenamiento de la RNC, se emplearon cuatro tipos de resonancias; 0=Glioma,1=no tumor, 2=Meningioma y 3=Pituitaria. Se emplearon la librería de Python“Tensorflow”, la función de pérdida de entropía cruzada categórica, el optimizadorde Adam, 12 épocas y un tamaño de lote de 32. Resultados y discusión: la RNCobtuvo una precisión de alrededor del 97 %, lo que la convierte en una herramientaútil para esta tarea. Conclusiones: Es crucial considerar la interpretación clínicade los hallazgos de la RNC. Si bien las métricas de evaluación demuestran el altorendimiento del modelo, su implementación requiere una consideración cuidadosapara garantizar resultados precisos y exitosos.