Clasificación de tumores cerebrales mediante redes neuronales VGG16, InceptionV3 y ResNet50. Análisis comparativo

Resumen

El cáncer constituye una de las primeras causas de muerte a nivel internacional. Un tumor cancerígeno, es una formación anómala de células que puede llegar a diseminarse por todo el cuerpo produciendo grandes daños a la salud, y eventualmente, la muerte. Con el objetivo de apoyar el diagnóstico y la clasificación de este padecimiento tan delicado se realizó una investigación científica, que compara el desempeño de tres de las redes neuronales convolucionales más influyentes de los últimos tiempos en el análisis de imágenes médicas. Para determinar cuál de estas es la más indicada para apoyar a la plataforma de visualización de imágenes médicas XAVIA PACS-RIS, del Centro de Informática Médica. Con el apoyo de herramientas como TensorFlow, Keras y Google-colaboratory, se utilizaron redes preentrenadas de estas tres arquitecturas para trabajar sobre el análisis del Dataset seleccionado de Kaggle, luego de seleccionar los hiperparámetros correspondientes, entrenar y probar los modelos, se determina con un 98.5% de Accuracy, así como otras métricas favorables, a la red neuronal VGG16 como las más óptima para esta tarea.