IA Explicable para el Diagnóstico de Cáncer Oral: Clasificación Multiclase de Imágenes de Histopatología y Visualización Grad-CAM
Autores: tifani, Jelena; tifani, Daniel; Aneli, Nikola; Car, Zlatan
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
Se desarrolla un enfoque basado en IA para diagnosticar carcinoma de células escamosas orales utilizando una base de datos de imágenes de histopatología obtenidas a través de biopsias y evaluadas por dos patólogos. Para aumentar la objetividad y la repetibilidad del examen histopatológico, se realiza una clasificación automática multiclasificada de OSCC en el primer paso. Además, el segundo paso genera confianza en el sistema basado en IA al integrar componentes de IA explicable como Grad-CAM, que brindan a los clínicos valiosas perspectivas visuales sobre el proceso de toma de decisiones del modelo. En cuanto a la clasificación multiclasificada, el método basado en redes neuronales convolucionales profundas produjo resultados satisfactorios.
Descripción
Se desarrolla un enfoque basado en IA para diagnosticar carcinoma de células escamosas orales utilizando una base de datos de imágenes de histopatología obtenidas a través de biopsias y evaluadas por dos patólogos. Para aumentar la objetividad y la repetibilidad del examen histopatológico, se realiza una clasificación automática multiclasificada de OSCC en el primer paso. Además, el segundo paso genera confianza en el sistema basado en IA al integrar componentes de IA explicable como Grad-CAM, que brindan a los clínicos valiosas perspectivas visuales sobre el proceso de toma de decisiones del modelo. En cuanto a la clasificación multiclasificada, el método basado en redes neuronales convolucionales profundas produjo resultados satisfactorios.