IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (machine learning) · 2026-10-07
Segmentação de tumores cerebrais usando equalização de histograma otimizada por enxame de partículas e uma U-Net baseada em VGG19
Título original: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
A segmentação de tumores cerebrais em ressonância magnética é lenta, sujeita a erros e afetada por viés do operador, e os modelos de aprendizado profundo muitas vezes carecem de interpretabilidade. Os autores propõem o SPOHE-VGGNet, que combina uma U-Net modificada com VGG-19 e equalização de histograma otimizada por enxame de partículas para melhorar o contraste da ressonância magnética. Ele alcançou índices Dice de 0,9522 (meningioma), 0,9428 (glioma) e 0,9518 (tumor da hipófise) no conjunto de dados Figshare e 0,9463 para a segmentação do tumor inteiro no BraTS 2021, embora os autores afirmem que ainda é necessária validação externa, volumétrica e centrada no clínico antes do uso clínico.