CerevianNet: clasificación de tumores cerebrales de varias clases eficiente por parámetros utilizando CNN ligero...

Área de la Ciencia:

• Imágenes médicas de imágenes médicas.
• La inteligencia artificial es inteligencia artificial.
• Biología computacional Biología computacional.

Sus antecedentes:

• El diagnóstico manual tradicional de tumores cerebrales requiere mucho tiempo y es propenso a errores.
• Los sistemas de diagnóstico asistido por computadora (CAD) ofrecen soluciones más rápidas y escalables.
• Los modelos de aprendizaje profundo enfrentan desafíos como el exceso de ajuste con datos limitados.

Objetivo del estudio:

• Proponer un marco escalable de clasificación de tumores cerebrales de varias clases para dispositivos de factor de forma pequeño.
• Desarrollar una red neuronal convolucional personalizada ligera (CNN) para el diagnóstico eficiente de tumores cerebrales.
• Para evaluar el rendimiento de la CNN personalizada frente a los modelos de aprendizaje profundo de última generación.

Principales métodos:

• Desarrolló una nueva y ligera red neuronal convolucional personalizada (CNN).
• Evaluó la CNN personalizada y los modelos preentrenados (EfficientNetb3, ResNet, etc.) en cinco diferentes conjuntos de datos de tumores cerebrales.
• Se optimizó el marco para dispositivos con factor de forma pequeño y se evaluó el rendimiento en diferentes tamaños y balances de conjuntos de datos.

Principales resultados:

• El CNN ligero personalizado logró una precisión del 98% con significativamente menos parámetros y un tiempo de entrenamiento reducido en comparación con otros modelos.
• EfficientNetb3 demostró la mayor precisión con un 99,11%.
• El modelo funcionó bien en conjuntos de datos más grandes, pero tuvo problemas con los más pequeños y desequilibrados, destacando la dependencia de los datos.

Conclusiones:

• El marco propuesto utiliza efectivamente el aprendizaje profundo para una clasificación precisa de tumores cerebrales, acercándose al rendimiento de los expertos.
• La CNN personalizada ligera ofrece una solución eficiente y escalable adecuada para la integración clínica.
• Esta investigación facilita el despliegue de la IA en aplicaciones médicas para mejorar la accesibilidad al diagnóstico de tumores cerebrales.