La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · Nature (computational biology) · 2026-10-18
Marco de aprendizaje profundo multitarea para la clasificación y segmentación de tumores cerebrales mediante extracción de características por conjunto de modelos
Título original: Multi-task deep learning framework for brain tumor classification and segmentation using ensemble feature extraction
El diagnóstico temprano y preciso de los tumores cerebrales es esencial para planificar el tratamiento, pero la revisión manual de las resonancias magnéticas es lenta y propensa a errores humanos, y realizar por separado la clasificación y la segmentación incrementa el costo computacional. Los autores proponen un marco de aprendizaje profundo multitarea que combina ResNet-50, EfficientNet-B5 y características de una CNN con módulos de atención, fusionadas mediante ponderación dinámica. Primero clasifica y ejecuta la segmentación con U-Net++ solo cuando se detecta un tumor; en un conjunto de datos público de resonancias magnéticas reportó una precisión de clasificación del 99.84%, un coeficiente de Dice del 91.22% y un IoU del 89.01%.