IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-18
Estrutura de aprendizado profundo multitarefa para classificação e segmentação de tumores cerebrais usando extração de características por ensemble
Título original: Multi-task deep learning framework for brain tumor classification and segmentation using ensemble feature extraction
O diagnóstico precoce e preciso de tumores cerebrais é essencial para o planejamento do tratamento, mas a revisão manual de exames de ressonância magnética é lenta e sujeita a erro humano, e a classificação e a segmentação feitas separadamente aumentam o custo computacional. Os autores propõem uma estrutura de aprendizado profundo multitarefa que combina ResNet-50, EfficientNet-B5 e características de CNN com módulos de atenção, fundidos por ponderação dinâmica. Ela classifica primeiro e executa a segmentação com U-Net++ somente quando um tumor é detectado e, em um conjunto de dados públicos de ressonância magnética, apresentou 99,84% de acurácia de classificação, coeficiente de Dice de 91,22% e IoU de 89,01%.