logo móvil
Contáctanos

Un enfoque de aprendizaje híbrido-arquitectura para mejorar el reconocimiento de tumores cerebrales

Autores: Dixon, Jose; Akinniyi, Oluwatunmise; Abdelhamid, Abeer; Saleh, Gehad A.; Rahman, Md Mahmudur; Khalifa, Fahmi

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Un enfoque de aprendizaje híbrido-arquitectura para mejorar el reconocimiento de tumores cerebrales


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería de Software

Palabras clave

Tumores cerebrales
Inteligencia artificial
Clasificación
Características derivadas de resonancia magnética
Clasificador de conjunto
Redes neuronales profundas

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 28

Citaciones: Sin citaciones


Descripción
La clasificación precisa de los tumores cerebrales es un paso importante para la intervención temprana. Los sistemas de diagnóstico basados en inteligencia artificial (IA) se han utilizado en los últimos años para ayudar a automatizar el proceso y proporcionar un diagnóstico más objetivo y rápido. Este trabajo presenta una arquitectura mejorada basada en IA para una clasificación mejorada de tumores cerebrales. Introducimos una arquitectura híbrida que integra el transformador de visión (ViT) y redes neuronales profundas para crear un clasificador de conjunto, lo que resulta en un marco de clasificación de tumores cerebrales más robusto.

Otros recursos que podrían interesarte

Temas Virtualpro