Imagen médica · computer vision
Clasificación de tumores cerebrales
Clasificación de estudios de imagen con una arquitectura híbrida CNN–Transformer.
Problema
Separar clases en imagen cerebral exige tanto detalle local (textura, bordes) como contexto global de la rebanada. Un CNN puro o un transformer puro suelen quedarse cortos en uno de los dos.
Enfoque
Arquitectura híbrida CNN–Transformer: el CNN aporta sesgo espacial local; el transformer modela relaciones a mayor rango. Entrenamiento y evaluación con protocolos de investigación en visión médica.
Resultado
Modelo de investigación para clasificación en imagen cerebral. Cualquier cifra de accuracy depende del conjunto y del protocolo; no las fabricamos aquí.
Stack
PyTorch · CNN · Transformers · medical imaging