La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · Nature (machine learning) · 2026-10-07
Segmentación de tumores cerebrales mediante ecualización de histograma optimizada por enjambre de partículas y una U-Net basada en VGG19
Título original: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
La segmentación de tumores cerebrales en resonancia magnética es lenta, propensa a errores y está afectada por el sesgo del operador, y los modelos de aprendizaje profundo a menudo carecen de interpretabilidad. Los autores proponen SPOHE-VGGNet, que combina una U-Net modificada con VGG-19 y una ecualización de histograma optimizada mediante enjambre de partículas para mejorar el contraste de las imágenes de resonancia magnética. Alcanzó coeficientes de Dice de 0,9522 (meningioma), 0,9428 (glioma) y 0,9518 (tumor hipofisario) en el conjunto de datos de Figshare y de 0,9463 para la segmentación del tumor completo en BraTS 2021, aunque los autores señalan que aún se requiere validación externa, volumétrica y centrada en los clínicos antes del uso clínico.