This paper was published through Galoá and has a deposited DOI. To cite this paper, use one of the standards below:
In case you are one of the co-authors and want to register this paper in your Lattes, use the following code: doi > 10.17648/cics-2025-216793
If you've NEVER registered a DOI in your Lattes, check our tutorial!El cáncer de mama es una de las principales causas de mortalidad entre las mujeres en Brasil,
haciendo de la detección temprana un factor determinante para la eficacia terapéutica. En este contexto, el
El objetivo de este estudio fue realizar una evaluación sistemática y comparativa de diez arquitecturas
de redes neuronales convolucionales (RNC) preentrenadas en ImageNet, aplicadas a la clasificación binaria de
Mamografías digitales en hallazgos benignos y malignos. La investigación utilizó la base de datos pública VinDr-
Mammo, compuesto por más de 20 mil imágenes anonimizadas, lo que garantiza la reproducibilidad y
transparencia. El proceso metodológico incluyó preprocesamiento estandarizado, aumento de datos y
Aplicación del aprendizaje por transferencia con reemplazo de la capa de clasificación final. Las arquitecturas evaluadas
incluidos ResNeXt-50, ResNet-101, DenseNet-121, MobileNet v2, EfficientNet-B0, ResNet-50,
EfficientNet-B4, ShuffleNet v2, VGG16 y SqueezeNet 1.1. El análisis de rendimiento fue realizado por
métricas estándar, como exactitud, precisión, recuperación, especificidad, puntuación F1 y AUC, complementadas por
matrices de confusión y curvas ROC. Los resultados demostraron un rendimiento modesto, con AUC
oscilando entre 0,59 y 0,61, pero suficiente para establecer una línea de base honesta y reproducible
para futuras optimizaciones mediante el ajuste fino. Se encontró que ResNeXt-50 presentó una
equilibrado entre falsos positivos y falsos negativos, siendo más prometedor para escenarios clínicos
Con casi 200.000 artículos publicados, Galoá permite a los académicos compartir y descubrir investigaciones de vanguardia a través de nuestra plataforma de publicación académica optimizada y accesible.
Obtenga más información sobre nuestros productos:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Atención: este no es un DOI para el trabajo y, como tal, no se puede usar en Lattes para identificar un trabajo en particular.
Check the link "How to cite" en la página del papel, para ver cómo citar correctamente el papel