Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer

Autores
Bosch, Ignacio; Der Boghosian, Reyna
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las imágenes de ultrasonido son herramientas clave en el diagnóstico del cáncer de mama, ya que permiten evaluar el estado fisiopatológico del tejido mamario. No obstante, su interpretación requiere la intervención de especialistas y puede presentar desafíos en diagnósticos. En este trabajo se propone un sistema inteligente para la clasificación automática de imágenes ecográficas de mama, utilizando redes neuronales convolucionales (CNN) optimizadas mediante algoritmos metaheurísticos. Se implementaron dos arquitecturas: una CNN estándar y la red pre-entrenada ResNet50. La optimización de hiperparámetros se realizó utilizando el algoritmo metaheurístico Ant Lion Optimizer (ALO), con el objetivo de mejorar la exactitud en la clasificación. Los resultados experimentales muestran una mejora significativa en el rendimiento de ambos modelos: la CNN incrementó su exactitud del 56.57 % al 81.57 %, mientras que ResNet50 mejoró de 86.84 % a 92.00 %. Estos resultados evidencian el potencial de combinar arquitecturas de aprendizaje profundo con técnicas de optimización evolutiva para tareas de diagnóstico asistido por imágenes, especialmente en el contexto del cáncer de mama.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Cáncer de mama
Ant Lion Optimizer
Redes neuronales
Clasificador de imágenes
Inteligencia artificial
Metaheuristicas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/190613
Acceder
id SEDICI_0e4851a59993e09f0f78fcaaa8f76ff8
oai_identifier_str oai:sedici.unlp.edu.ar:10915/190613
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion OptimizerIntelligent Breast Cancer Image Classifier using Convolutional Networks and Ant Lion OptimizerBosch, IgnacioDer Boghosian, ReynaCiencias InformáticasCáncer de mamaAnt Lion OptimizerRedes neuronalesClasificador de imágenesInteligencia artificialMetaheuristicasLas imágenes de ultrasonido son herramientas clave en el diagnóstico del cáncer de mama, ya que permiten evaluar el estado fisiopatológico del tejido mamario. No obstante, su interpretación requiere la intervención de especialistas y puede presentar desafíos en diagnósticos. En este trabajo se propone un sistema inteligente para la clasificación automática de imágenes ecográficas de mama, utilizando redes neuronales convolucionales (CNN) optimizadas mediante algoritmos metaheurísticos. Se implementaron dos arquitecturas: una CNN estándar y la red pre-entrenada ResNet50. La optimización de hiperparámetros se realizó utilizando el algoritmo metaheurístico Ant Lion Optimizer (ALO), con el objetivo de mejorar la exactitud en la clasificación. Los resultados experimentales muestran una mejora significativa en el rendimiento de ambos modelos: la CNN incrementó su exactitud del 56.57 % al 81.57 %, mientras que ResNet50 mejoró de 86.84 % a 92.00 %. Estos resultados evidencian el potencial de combinar arquitecturas de aprendizaje profundo con técnicas de optimización evolutiva para tareas de diagnóstico asistido por imágenes, especialmente en el contexto del cáncer de mama.Sociedad Argentina de Informática e Investigación Operativa2025-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf251-262http://sedici.unlp.edu.ar/handle/10915/190613spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19822info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-02-26T11:39:42Zoai:sedici.unlp.edu.ar:10915/190613Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-02-26 11:39:42.696SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
Intelligent Breast Cancer Image Classifier using Convolutional Networks and Ant Lion Optimizer
title Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
spellingShingle Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
Bosch, Ignacio
Ciencias Informáticas
Cáncer de mama
Ant Lion Optimizer
Redes neuronales
Clasificador de imágenes
Inteligencia artificial
Metaheuristicas
title_short Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
title_full Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
title_fullStr Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
title_full_unstemmed Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
title_sort Clasificador inteligente de imágenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer
dc.creator.none.fl_str_mv Bosch, Ignacio
Der Boghosian, Reyna
author Bosch, Ignacio
author_facet Bosch, Ignacio
Der Boghosian, Reyna
author_role author
author2 Der Boghosian, Reyna
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Cáncer de mama
Ant Lion Optimizer
Redes neuronales
Clasificador de imágenes
Inteligencia artificial
Metaheuristicas
topic Ciencias Informáticas
Cáncer de mama
Ant Lion Optimizer
Redes neuronales
Clasificador de imágenes
Inteligencia artificial
Metaheuristicas
dc.description.none.fl_txt_mv Las imágenes de ultrasonido son herramientas clave en el diagnóstico del cáncer de mama, ya que permiten evaluar el estado fisiopatológico del tejido mamario. No obstante, su interpretación requiere la intervención de especialistas y puede presentar desafíos en diagnósticos. En este trabajo se propone un sistema inteligente para la clasificación automática de imágenes ecográficas de mama, utilizando redes neuronales convolucionales (CNN) optimizadas mediante algoritmos metaheurísticos. Se implementaron dos arquitecturas: una CNN estándar y la red pre-entrenada ResNet50. La optimización de hiperparámetros se realizó utilizando el algoritmo metaheurístico Ant Lion Optimizer (ALO), con el objetivo de mejorar la exactitud en la clasificación. Los resultados experimentales muestran una mejora significativa en el rendimiento de ambos modelos: la CNN incrementó su exactitud del 56.57 % al 81.57 %, mientras que ResNet50 mejoró de 86.84 % a 92.00 %. Estos resultados evidencian el potencial de combinar arquitecturas de aprendizaje profundo con técnicas de optimización evolutiva para tareas de diagnóstico asistido por imágenes, especialmente en el contexto del cáncer de mama.
Sociedad Argentina de Informática e Investigación Operativa
description Las imágenes de ultrasonido son herramientas clave en el diagnóstico del cáncer de mama, ya que permiten evaluar el estado fisiopatológico del tejido mamario. No obstante, su interpretación requiere la intervención de especialistas y puede presentar desafíos en diagnósticos. En este trabajo se propone un sistema inteligente para la clasificación automática de imágenes ecográficas de mama, utilizando redes neuronales convolucionales (CNN) optimizadas mediante algoritmos metaheurísticos. Se implementaron dos arquitecturas: una CNN estándar y la red pre-entrenada ResNet50. La optimización de hiperparámetros se realizó utilizando el algoritmo metaheurístico Ant Lion Optimizer (ALO), con el objetivo de mejorar la exactitud en la clasificación. Los resultados experimentales muestran una mejora significativa en el rendimiento de ambos modelos: la CNN incrementó su exactitud del 56.57 % al 81.57 %, mientras que ResNet50 mejoró de 86.84 % a 92.00 %. Estos resultados evidencian el potencial de combinar arquitecturas de aprendizaje profundo con técnicas de optimización evolutiva para tareas de diagnóstico asistido por imágenes, especialmente en el contexto del cáncer de mama.
publishDate 2025
dc.date.none.fl_str_mv 2025-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/190613
url http://sedici.unlp.edu.ar/handle/10915/190613
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19822
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
251-262
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1858282592013385728
score 12.665996

Publicaciones similares