Ingenierías USBMed · 2026
Red neuronal convolucional para la detección del cáncer cerebral
Solo ficha. El repositorio marca este trabajo como «Acceso abierto»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
El objetivo de este trabajo fue construir una RNC para detectar la presencia de esta enfermedad a partir de imágenes de resonancias magnéticas (MRI). La RNC se construyó con un conjunto de datos etiquetados que contiene imágenes de resonancia magnética cerebral (MRI) reales de pacientes con y sin tumores. El conjunto de datos se divide en dos partes, el primero contiene 2870 MRI cerebrales etiquetadas, que se utilizaron para entrenar la RNC, el conjunto de prueba comprende una colección separada de 394 MRI cerebrales etiquetadas que se utilizaron para evaluar su rendimiento y la capacidad de generalización. Para el entrenamiento de la RNC, se emplearon cuatro tipos de resonancias; 0=Glioma, 1=no tumor, 2=Meningioma y 3=Pituitaria. Se empleó Python “Tensorflow”, la función de pérdida de entropía cruzada categórica, el optimizador de Adam, 12 épocas y un tamaño de lote de 32. La RNC obtuvo una precisión de alrededor del 97%, lo que la convierte en una herramienta útil para esta tarea. Es crucial considerar la interpretación clínica de los hallazgos de la RNC. Si bien las métricas de evaluación demuestran el alto rendimiento del modelo, su implementación requiere una consideración cuidadosa para garantizar resultados precisos y exitosos.