Modelo de Redes Neurales Convolucionales para Clasificación y Predicción de Tumores Cerebrales Basado en Imágenes de Resonancia Magnética

Resumen

El diagnóstico preciso de tumores cerebrales es crucial en la medicina, requiriendo imágenes de resonancia magnética de alta calidad para identificar correctamente el tipo y la ubicación del tumor, que son factores esenciales para un tratamiento eficaz. El objetivo de este estudio es desarrollar una red neuronal convolucional para predecir tipos de tumores cerebrales, aplicando técnicas de visión por computadora e inteligencia artificial. El método utiliza imágenes de resonancia magnética, y el estudio aplicó un enfoque experimental con una red neuronal convolucional de cinco capas en Google Colab, con la ayuda de las bibliotecas Keras y TensorFlow. La red neuronal convolucional demostró mejoras significativas en la precisión de la predicción de tipos de tumores cerebrales, clasificando eficazmente las imágenes e identificando características distintivas de los tumores. La aplicación de redes neuronales convolucionales en el análisis de imágenes de tumores cerebrales es prometedora, contribuyendo al avance de la inteligencia artificial en la medicina y mejorando la precisión del diagnóstico y tratamiento de tumores cerebrales.

Palabras Clave: Visión por Computadora, Red Neuronal Convolucional, Aprendizaje Profundo, Imágenes de Resonancia Magnética.