Resumen

En este trabajo, abordamos el problema de la identificación de la hemorragia cerebral, que se considera una tarea tediosa para los radiólogos, especialmente en las primeras etapas de la hemorragia. El problema se resuelve utilizando un enfoque de aprendizaje profundo en el que se entrena una red neuronal convolucional (CNN), la conocida red neuronal AlexNet, y también una nueva versión modificada de AlexNet con clasificador de máquina de vectores de apoyo (AlexNet-SVM) para clasificar las imágenes de tomografía computarizada (TC) del cerebro en imágenes con o sin hemorragia. El objetivo de emplear el modelo de aprendizaje profundo es abordar la cuestión principal en el análisis y la clasificación de imágenes médicas: ¿puede un ajuste suficiente de un modelo preentrenado (aprendizaje de transferencia) eliminar la necesidad de construir una CNN desde cero? Además, este estudio también pretende investigar las ventajas de utilizar SVM como clasificador en lugar de una red neuronal de tres capas. Aplicamos la misma tarea de clasificación a tres redes profundas; una creada desde cero, otra es un modelo preentrenado que se ajustó a la tarea de clasificación de la hemorragia cerebral por TC, y nuestro novedoso modelo AlexNet modificado que utiliza el clasificador SVM. Las tres redes se entrenaron utilizando el mismo número de imágenes de TC cerebral disponibles. Los experimentos demuestran que es posible la transferencia de conocimientos de imágenes naturales a la clasificación de imágenes médicas. Además, nuestros resultados demostraron que el modelo preentrenado modificado propuesto "AlexNet-SVM" puede superar a una red neuronal convolucional creada desde cero y a la AlexNet original en la identificación de la hemorragia cerebral.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:red neuronal convolucional, hemorragia cerebral, modelo preentrenado, análisis de imágenes médicas, raspado, enfoque de aprendizaje profundo, modelo de aprendizaje profundo, modelo novedoso de alexnet, svm, imagen ct cerebral
• Keywords:convolutional neural network, brain haemorrhage, pretrained model, medical image analysis, scratch, deep learning approach, deep learning model, novel alexnet model, svm, brain ct image