Resumen

Los tumores cerebrales son la enfermedad más común y agresiva, con una esperanza de vida relativamente corta en su forma más grave. Por ello, la planificación del tratamiento es un paso importante para mejorar la calidad de vida de los pacientes. En general, se utilizan métodos de imagen como la tomografía computarizada (TC), la resonancia magnética (RM) y las imágenes de ultrasonido para evaluar los tumores en el cerebro, el pulmón, el hígado, la mama y la próstata, entre otros. Las imágenes de rayos X, en particular, se utilizan en este estudio para diagnosticar tumores cerebrales. Este artículo describe la investigación de la red neuronal convolucional (CNN) para identificar tumores cerebrales a partir de imágenes de rayos X. Esto agiliza y aumenta la fiabilidad del tratamiento. Debido a que ha habido una cantidad significativa de estudios en este campo, el modelo presentado se centra en aumentar la precisión mientras se utiliza una estrategia de aprendizaje de transferencia. Se utilizaron Python y Google Colab para realizar esta investigación. La extracción de características profundas se realizó con la ayuda de modelos CNN profundos preentrenados, VGG19, InceptionV3 y MobileNetV2. La precisión de la clasificación se utiliza para evaluar el rendimiento de este trabajo. MobileNetV2 tuvo una precisión del 92%, InceptionV3 tuvo una precisión del 91% y VGG19 tuvo una precisión del 88%. MobileNetV2 ha ofrecido el mayor nivel de precisión entre estas redes. Estas precisiones ayudan a la identificación precoz de los tumores antes de que produzcan efectos físicos adversos, como parálisis y otros impedimentos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:tumor cerebral, imagen de rayos, exactitud, nivel de exactitud, efectos físicos adversos, cantidad de estudio, red neuronal convolucional, modelo cnn profundo, esperanza de vida corta, resonancia magnética
• Keywords:brain tumor, ray image, accuracy, level of accuracy, physical adverse effects, amount of study, convolutional neural network, deep cnn model, short life expectancy, magnetic resonance imaging