Detección de tumores cerebrales basado en el sistema de inferencia neuronal adaptativo convolucional híbrido...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Neurociencia computacional

Sus antecedentes:

• Los tumores cerebrales ponen en peligro la vida, y su detección temprana es crucial.
• Los métodos actuales de detección de imágenes por resonancia magnética (IRM) enfrentan desafíos con el ruido, la precisión de la segmentación y la generalización.
• Las limitaciones en las técnicas existentes requieren enfoques avanzados para la identificación confiable de tumores cerebrales.

Objetivo del estudio:

• Desarrollar y evaluar un nuevo Sistema de Inferencia Neuro-Fuzzy Convolutional-Adaptive (Conv-ANFIS) para mejorar la detección de tumores cerebrales a partir de imágenes de RM.
• Abordar las limitaciones de los métodos existentes de detección de tumores cerebrales, incluido el manejo del ruido y la precisión de la segmentación.
• Mejorar la precisión y confiabilidad generales de la identificación de tumores cerebrales utilizando un modelo híbrido de IA.

Principales métodos:

• Una Red Neural Convolutional (CNN) está integrada con un Sistema de Inferencia Neuro-Fuzzy Adaptativo (ANFIS) para crear el modelo Conv-ANFIS.
• Las etapas de preprocesamiento incluyen el filtrado por medios no locales (NLM) para eliminar el ruido y la eliminación del cráneo.
• La segmentación se realiza utilizando la Red de Corrección de Estructura Adversaria (SCAN), seguida de la extracción de características y la identificación del tumor a través de Conv-ANFIS.

Principales resultados:

• El enfoque Conv-ANFIS logró una recuperación del 92,31%, una precisión del 90,13% y una puntuación F1 del 91,21%.
• El método propuesto demostró un rendimiento superior en comparación con las técnicas de detección de tumores cerebrales existentes.
• Se logró una eliminación efectiva del ruido, la eliminación del cráneo y la segmentación, lo que condujo a una mayor precisión de detección.

Conclusiones:

• El modelo Conv-ANFIS ofrece una solución robusta y precisa para la detección de tumores cerebrales en imágenes de resonancia magnética.
• Este enfoque híbrido de IA supera efectivamente las limitaciones de los métodos de detección tradicionales.
• El estudio destaca el potencial de integrar el aprendizaje profundo y los sistemas de inferencia difusa para el análisis avanzado de imágenes médicas.