Aplicación y evaluación de algoritmos de clasificación en imágenes de resonancia magnética cerebral para la detección de tumores.
Loading...
Date
2026-04-03
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Tecnológica Centroamericana UNITEC
Abstract
Los tumores cerebrales son una de las enfermedades más peligrosas del sistema nervioso central, en este proyecto de investigación se busca mejorar y acelerar el proceso de detección de tumores cerebrales mediante el del aprendizaje profundo por transferencia con modelos preentrenados en imágenes de resonancia magnética (MRI) para clasificarlas en 4 diferentes clases mioma, meningioma, glioma y sin tumor. El aprendizaje profundo ha sido un área activa de investigación en los últimos años. El estudio adoptó un enfoque cuantitativo y
tuvo un alcance exploratorio, además de un diseño experimental. La metodología utilizada se llevó a cabo de manera iterativa en cuatro fases sucesivas. En la primera etapa, se enfocaron en probar y ajustar el rendimiento del modelo VGG16, EfficienNetBo,resnet50 e InceptionV3. Posteriormente, en la segunda etapa, se estableció una base de datos de imágenes médicas de pacientes hondureños, y en la tercera etapa se realizaron de predicciones utilizando los modelos que mostraron un mejor rendimiento. Como resultado, se observó una exactitud promedio del modelo EfficienNetBO de 95%, una precisión promedio del 95%, una sensibilidad del 95% y un puntaje Fi 95% en la tercera etapa para los modelos
evaluados. Se logró consolidar la creación de una base de datos local para futuras investigaciones y se validó el algoritmo de clasificación mediante predicciones de IRM de pacientes hondureños.
Keywords
Aprendizaje profundo, Clasificación de tumores, Modelos preentrenados, Resonancia magnética (MRI), Transferencia de aprendizaje