Clasificador inteligente de im´agenes de cáncer de mama utilizando redes convolucionales y Ant Lion Optimizer

Resumen

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.