Marco de aprendizaje profundo basado en EfficientNetB7 para mejorar la clasificación de imágenes histopatológicas del cáncer de pulmón y colon

Summary

Aquí presentamos un sistema de aprendizaje profundo con el modelo EfficientNetB7 para la clasificación precisa de imágenes histopatológicas del cáncer de pulmón y colon. El modelo alcanzó un 96% de precisión con la aplicación de preprocesamiento, aumento de datos y aprendizaje por transferencia. El método tiene un alto potencial para ayudar al diagnóstico clínico del cáncer.

Abstract

El diagnóstico precoz del cáncer de pulmón desempeña un papel fundamental para garantizar un mejor tratamiento y la supervivencia de los pacientes. Esto sigue siendo un foco principal en la investigación clínica. La inteligencia artificial (IA) ha transformado la patología al mejorar significativamente la precisión y eficiencia del diagnóstico. Este estudio presenta un modelo robusto de aprendizaje profundo en forma del modelo preentrenado EfficientNetB7 para clasificar imágenes histopatológicas del colon y del tejido pulmonar con una precisión extremadamente alta del 96%. El rendimiento del modelo se optimizó mediante métodos avanzados de preprocesamiento, ajuste fino y técnicas de aumento de datos específicas de dominio. Estas estrategias ayudan a reducir problemas como el desequilibrio de clases y sutiles variaciones histológicas. Para abordar el problema del sobreajuste, se combinaron múltiples técnicas de aumento de datos e incorporó un criterio temprano de detención. Este enfoque permitió una formación eficiente y rentable. La validación robusta del modelo demuestra una gran utilidad para aplicaciones clínicas y permite a los patólogos ofrecer diagnósticos oportunos y precisos. Integrar modelos avanzados de aprendizaje profundo en los flujos de trabajo de imagen médica ofrece un gran potencial para un diagnóstico temprano y preciso del cáncer, mejorando en última instancia los resultados para los pacientes.

Introduction

El cáncer de pulmón y colon está entre los más prevalentes en el mundo en términos de mortalidad. El cáncer de pulmón es el principal cáncer fatal con más de 1,8 millones de muertes anuales, seguido del cáncer de colon como la tercera malignidad más frecuente y la segunda causa más común de mortalidad por cáncer, según estadísticas sanitarias globales. Un diagnóstico preciso y precoz es crucial para un tratamiento eficaz y una mayor supervivencia de estos cánceres. El examen histopatológico, o evaluación microscópica de muestras de tejido por parte de patólogos, sigue siendo uno de los métodos más frecuentes para detectar el^{cáncer 1}. La Figura 1 muestra imágenes histopatológicas de varios tipos de pulmones y tejidos de colon².

Figura 1: Imágenes de muestra del conjunto de datos. Esta figura muestra ejemplos representativos de cada clase en el conjunto de datos LC25000, destacando la diversidad visual entre imágenes benignas y malignas de tejido pulmonar y de colon. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

La patología digital ha transformado la industria al permitirle digitalizar láminas histológicas, que ahora se diagnostican mediante sofisticados algoritmos de aprendizaje^{profundo 3}. En combinación con modelos de aprendizaje profundo, los algoritmos son excelentes para reconocer patrones sutiles dentro de grandes datos, aumentando significativamente la precisión y eficiencia del diagnóstico. La Tabla 1 muestra la descripción de cada clase de tejido.

Nombre de la clase	Descripción
Tejido benigno pulmonar	Tejido no canceroso en los pulmones, no implicado en el crecimiento canceroso.
Adenocarcinoma pulmonar	Un tipo de cáncer de pulmón que surge en tejido epitelial glandular, conocido por sus patrones de crecimiento malignos.
Carcinoma escamoso pulmonar	Un tipo de cáncer de pulmón distinguido por una determinada morfología celular que surge de las células escamosas que recubren las vías respiratorias.
Colon Adenocarcinoma	La mayoría de las incidencias de cáncer de colon son causadas por un tipo común de cáncer de colon que comienza en las células glandulares del revestimiento del colon.
Tejido benigno del colon	Tejido sano en el colon que no muestra signos de enfermedades cancerosas o precancerosas.

Tabla 1: Una visión general de las cinco clases de tejidos y cáncer en el conjunto de datos, incluyendo nombres de clases, características y el número de imágenes en cada clase.

EfficientNetB7, una arquitectura de red neuronal convolucional de vanguardia, ha sido identificada como especialmente eficaz para tareas de clasificación de imágenes debido a su escalado equilibrado en profundidad, anchura y resolución. En comparación con arquitecturas ampliamente utilizadas como ResNet y DenseNet, EfficientNetB7 logra un equilibrio superior entre precisión de clasificación y eficiencia computacional mediante escalado compuesto, que escala proporcionalmente la profundidad, el ancho y la resolución de la red. Aunque ResNet y DenseNet han demostrado un rendimiento robusto en tareas de clasificación de imágenes médicas, normalmente requieren un mayor número de parámetros y mayores recursos computacionales para alcanzar una precisión comparable, lo que hace que EfficientNetB7 sea más adecuado para análisis histopatológicos a gran escala en entornos clínicos con recursos^{limitados 4}. La aplicación de modelos computacionales avanzados, incluyendo herramientas de IA como EfficientNetB7, ofrece nuevas posibilidades para superar los desafíos diagnósticos tradicionales, proporcionando herramientas que apoyan a los patólogos y potencialmente mejoren los resultados diagnósticos. Integrar la IA en la práctica de la patología podría democratizar el acceso a servicios diagnósticos de calidad, haciendo posible que regiones con poca experiencia médica realicen diagnósticos avanzados.

Estudios recientes de referencia y revisiones exhaustivas en análisis de imágenes médicas han subrayado de forma constante el creciente impacto de las arquitecturas de aprendizaje profundo en^{histopatología 5}. Análisis a gran escala han demostrado que las redes neuronales convolucionales y sus variantes modernas ofrecen un rendimiento de última generación para identificar características morfológicas sutiles en múltiples tipos de tejidos, a menudo superando los métodos diagnósticos tradicionales. Las evaluaciones comparativas destacan que las arquitecturas avanzadas, incluyendo EfficientNet y otros modelos escalables, no solo alcanzan una precisión superior en la clasificación, sino que también demuestran una mejor eficiencia^{computacional 6}. Además, las revisiones sistemáticas de la patología digital subrayan su papel transformador en el diagnóstico rutinario al permitir la reproducibilidad, reducir la variabilidad entre observadores y facilitar la integración con pipelines automatizados. Estos hallazgos colectivos confirman la relevancia de adoptar modelos avanzados de aprendizaje profundo para la clasificación histopatológica del cáncer y aportan pruebas sólidas de que la aplicación de arquitecturas escalables y eficientes puede abordar desafíos clínicos como el desequilibrio de clases, la variabilidad histológica y la disponibilidad limitada de patólogos expertos.

Los objetivos de esta investigación son (i) crear y evaluar un modelo de aprendizaje profundo para la categorización de imágenes histopatológicas de cáncer de pulmón y colon basado en la arquitectura EfficientNetB7; (ii) Demostrar la capacidad del modelo para lograr una alta precisión de clasificación, potencialmente superando los métodos diagnósticos tradicionales; (iii) Explorar el impacto de la mejora de datos, las técnicas de preprocesamiento y el aprendizaje por transferencia en el rendimiento del modelo en un contexto específico de dominio.

Este estudio no solo demuestra la alta precisión diagnóstica que se puede lograr con EfficientNetB7 en imágenes histopatológicas, sino que también aborda rigurosamente desafíos clave como el desequilibrio de clases y el sobreajuste mediante aumento de datos dirigido, estrategias robustas de validación y técnicas de detención temprana. La metodología está diseñada específicamente para reflejar entornos clínicos reales mediante el uso de conjuntos de datos ampliados a gran escala y la comparación del rendimiento del modelo en métricas clínicamente relevantes. La automatización y eficiencia del flujo de trabajo aseguran que el sistema sea práctico para su integración en laboratorios digitales de patología, ofreciendo el potencial de aumentar la productividad de los patólogos, mejorar la consistencia diagnóstica y permitir un acceso más amplio a análisis a nivel experto tanto en entornos clínicos con altos recursos como en recursos limitados.

Incluso con un progreso notable en el aprendizaje profundo para la imagen médica, persisten varios desafíos a la hora de clasificar las imágenes histopatológicas del cáncer de pulmón^{y colon 7}. Los modelos actuales tienden a fallar en el manejo del desequilibrio de clases, en el que algunos tipos de cáncer pueden estar infrarrepresentados en los conjuntos de datos y crear predicciones sesgadas. Además, las diferencias histológicas sutiles entre subtipos de cáncer, como el adenocarcinoma y el carcinoma escamoso del pulmón, suponen un desafío formidable para una clasificación adecuada. La mayoría de los trabajos previos se han realizado con clasificación de un solo cáncer o con conjuntos de datos limitados y pequeños, lo que impide una amplia aplicabilidad y utilidad en un entorno clínico. Los enfoques tradicionales también son menos eficientes computacionalmente, por lo que menos deseables para grandes aplicaciones de datos o clínicas en tiempo^{real 8}.

El presente estudio cubre estas lagunas aprovechando la arquitectura EfficientNetB7, que es un modelo de aprendizaje profundo de última generación con escalabilidad y efectividad probadas. Se utilizan zooms, flips, rotaciones y desplazamientos aleatorios como métodos avanzados de aumento de datos para maximizar la robustez y capacidad de generalización del modelo a través de diferentes patrones histopatológicos. El aprendizaje por transferencia también se utiliza para afinar el modelo EfficientNetB7 preentrenado y así ser capaz de aprender y adaptarse de forma específica a conjuntos de datos de cáncer de pulmón y colon, minimizando el tiempo de entrenamiento y el coste computacional⁹. El uso de agrupamiento de medias globales y paradas tempranas también mejora el rendimiento del modelo al tener un buen entrenamiento y evitar el sobreajuste.

La aplicación del aprendizaje profundo en la imagen médica, especialmente para el diagnóstico del cáncer, ha logrado grandes avances en los últimos años. El diagnóstico convencional del cáncer de pulmón y colon depende principalmente del examen histopatológico, en el que los patólogos inspeccionan muestras de tejido bajo un^{microscopio 10}. Aunque es eficaz, es laborioso, vulnerable a la variabilidad entre observadores y generalmente limitado por la limitada oferta de patólogos expertos, especialmente en entornos con recursos limitados. Estas limitaciones han llevado al desarrollo de sistemas de diagnóstico informatizados basados en IA y aprendizaje profundo.

Los modelos de aprendizaje profundo, especialmente las redes neuronales convolucionales (CNN), han tenido un éxito impresionante en el análisis de imágenes de especímenes^{histopatológicos 11}. Son especialmente buenos identificando patrones intrincados y sutiles variaciones en la morfología tisular, tareas adecuadas para la clasificación del cáncer. A pesar del progreso, persisten deficiencias como el desequilibrio de clases, la limitada generalización sobre escenarios multiconjunto de datos y los altos costes computacionales en los enfoques actuales. Por ejemplo, la mayor parte del trabajo aborda la clasificación de un solo cáncer, lo que limita su uso a escenarios de diagnóstico multicanceroso. Además, las técnicas deficientes de preprocesamiento y aumento de datos la hacen susceptible al sobreajuste, especialmente en escenarios de conjuntos de datos pequeños o desequilibrados.

Los desarrollos recientes en el aprendizaje por transferencia han superado parcialmente estas limitaciones aprovechando modelos preentrenados en conjuntos de datos a gran escala como ImageNet. EfficientNet, ResNet y DenseNet son algunos modelos que han llamado la atención en el análisis de imágenes médicas, ya que pueden aprender características de alto nivel a partir de cantidades limitadas de datos de^{entrenamiento 12}. EfficientNet también ha experimentado una adopción generalizada por su escalabilidad y eficiencia, ya que alcanza una precisión de última generación en varios benchmarks de clasificación de imágenes. La aplicación de EfficientNet para clasificar el cáncer combinado de pulmón y colon no está ampliamente investigada, especialmente en lo que respecta al manejo del desequilibrio de clases y sutiles variaciones^{histológicas 13}.

La ampliación de datos ha sido una estrategia crucial para la robustez de modelos y la mejora de la^{generalización 14}. Al incorporar variaciones como rotación, desplazamiento, zoom y volteo, las técnicas de aumento de datos simulan la variabilidad existente en imágenes histopatológicas reales, permitiendo a los modelos aprender características invariantes. Las técnicas de paradas tempranas y regularización mejoran aún más el rendimiento del modelo al evitar el sobreajuste y maximizar la eficiencia del entrenamiento. A pesar de todos estos avances, sigue siendo necesario contar con marcos de extremo a extremo que incorporen preprocesamiento, aumento y aprendizaje por transferencia avanzados para lograr alta precisión y eficiencia computacional para la clasificación multi-cáncer. La Tabla 2 15,16,17,18,19,20,21,22,23,24 muestra la literatura del estudio a partir de la literatura existente.

Estudio	Objetivo
Talukder, M. A. et al.15 (2022)	Presentar un modelo híbrido de extracción de características en conjunto que combina aprendizaje profundo y aprendizaje automático para identificar cáncer de colon y pulmón.
Attallah, O. et al.16 (2022)	Proporciona un marco de aprendizaje profundo de bajo peso que combine una variedad de modelos y técnicas de transformación para ayudar a detectar cánceres de pulmón y colon de forma temprana.
Hage Chehade, A. et al.17 (2022)	Crear un sistema de diagnóstico asistido por ordenador basado en aprendizaje automático que pueda identificar diferentes tipos de tejidos pulmonares y de colon.
Wahid, R. R. et al.18 (2023)	Utiliza un sistema de diagnóstico asistido por ordenador con CNN para detectar cánceres de pulmón y colon.
Kumar, N. et al.19 (2022)	Compara y contrasta las técnicas de extracción de características utilizadas para categorizar el cáncer de colon y pulmón.
Mehmood, S. et al.20 (2022)	Crear un modelo de diagnóstico de red neuronal preentrenado con capas modificadas para cánceres de pulmón y colon que sea tanto preciso como eficiente.
Zhou, L. et al.21 (2024)	Predecir nuevos objetivos para Wogonin (WOG) en el tratamiento del cáncer de pulmón, vejiga y colon mediante métodos bioinformáticos.
Reddy, K. R. et al.22 (2022)	Proporcionar un método híbrido de extracción de características basado en aprendizaje automático para la detección del cáncer de colon (LCC).
Shandilya, S., Nayak, S. R.23 (2022)	Las CNN y el diseño de transformadores de visión ayudan a clasificar las imágenes histopatológicas del cáncer de pulmón y colon.
Hasan, M. et al.24 (2023)	Utilizando muchos modelos CNN, clasifican imágenes de cáncer de pulmón y colon para mejorar los procedimientos de diagnóstico.

Tabla 2: Comparación de estudios previos relevantes sobre clasificación histopatológica de imágenes, detallando conjuntos de datos utilizados, tipos de modelos y resultados reportados.

Este artículo amplía estas contribuciones incorporando un modelo de aprendizaje profundo que utiliza la arquitectura EfficientNetB7, complementado con aumentos de datos de última generación y aprendizaje por transferencia. La solución actual supera los fallos de soluciones anteriores mediante una mayor precisión en la clasificación, el equilibrio de clases y un menor coste computacional, por lo que es una solución óptima para su uso en el entorno clínico.

Protocol

Este estudio no implicó experimentación directa con participantes humanos ni animales. Todo el trabajo se realizó utilizando el conjunto de datos LC25000 anonimizado y público de imágenes histopatológicas, que no contenía información identificable del paciente ni manipulación directa de tejido humano. No se requirió la aprobación de la Junta de Revisión Institucional (IRB) ni del Comité de Cuidado y Uso Institucional de Animales (IACUC). Todos los procedimientos cumplieron con los estándares éticos y se ajustaron a los términos de uso del conjunto de datos para la investigación académica. La Figura 2 muestra los pasos del diagrama de flujo de trabajo.

Figura 2: Flujo de trabajo del método propuesto. El flujo de trabajo incluye preprocesamiento de datos, aumentación, entrenamiento de modelos y evaluación. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Descripción del conjunto de datos
El conjunto de datos LC25000 se utilizó para este estudio. Consistía en 25.000 imágenes histopatológicas, todas formateadas uniformemente como archivos JPEG con una resolución de 768 × 768 píxeles. El conjunto de datos se originó a partir de un conjunto inicial de 1.250 imágenes originales, incluyendo 250 imágenes de tejido pulmonar benigno, 250 adenocarcinomas pulmonares, 250 carcinomas escamosos pulmonares, 250 imágenes benignas de tejido colon y 250 adenocarcinomas de colon. Las imágenes restantes se generaron mediante aumento de datos para ampliar el conjunto de datos, asegurando una colección diversa y extensa para un entrenamiento y validación robusta del modelo.

Las imágenes de alta resolución permitieron un examen detallado de las estructuras celulares, lo cual fue esencial para una clasificación precisa del cáncer. La ampliación de datos era necesaria debido al número limitado de imágenes originales; Se emplearon técnicas como rotaciones, volteos, zooms y desplazamientos para aumentar sintéticamente el tamaño y la diversidad del conjunto de datos. Este proceso generó 23.750 imágenes sintéticas adicionales de forma equilibrada por clases, resultando en un conjunto final de datos de 25.000 imágenes, con cada clase conteniendo 5.000 imágenes tras la ampliación.

Preprocesamiento de datos
Las imágenes histopatológicas en bruto dentro del conjunto de datos tenían una resolución de 768 × 768 píxeles. Para garantizar la compatibilidad con la arquitectura EfficientNetB7 y maximizar la eficiencia computacional, cada imagen se redimensionó de 768 × 768 a 224 × 224 píxeles. Este proceso de redimensionamiento representó un equilibrio entre preservar características histológicas esenciales y reducir la sobrecarga computacional. La operación de redimensionamiento se representó matemáticamente como se muestra en

Ecuación 1: (1)

donde X representaba la imagen original, X_{redimensionada} era la imagen redimensionada, y h y w eran la altura y anchura deseadas, respectivamente. Todos los valores de píxeles se normalizaron en un rango de 0 a 1, lo que estabilizó y aceleró el entrenamiento asegurando una distribución de entrada consistente entre imágenes. Esta normalización se calculó matemáticamente como se muestra en la Ecuación 2. Este paso fue esencial para mejorar la convergencia de modelos durante el entrenamiento.

(2)

La ampliación de datos se empleó como una técnica crítica para mejorar la robustez y aplicabilidad de los modelos de aprendizaje profundo, especialmente en el contexto de la imagen médica con conjuntos de datos limitados y desequilibrados. En este estudio, se aplicaron diversas técnicas de aumento utilizando el módulo ImageDataGenerator de TensorFlow para simular la variación in vivo en imágenes histopatológicas. Estas técnicas incluían rotaciones aleatorias de hasta 20 grados para simular la variabilidad de la orientación del tejido, desplazamientos horizontales y verticales de hasta el 20% de las dimensiones de la imagen para imitar la variabilidad de posición durante la preparación de la diapositiva, y zooms aleatorios de hasta un 20% para reflejar la variabilidad en los niveles de aumento.

Además, se realizó un cambio horizontal para introducir variaciones en imagen espinada, enriqueciendo así aún más el conjunto de datos de entrenamiento. Para gestionar los píxeles recién sintetizados generados durante estas transformaciones, se adoptó una estrategia de relleno del vecino más cercano para asegurar transiciones suaves y preservar la integridad de las características histológicas clave. La matriz de rotación 2D utilizada para la aumentación está representada en la Ecuación 3, y la Ecuación 4 define una función con un cambio incremental:

(3)

(4)

Estas técnicas de aumento compensaron desafíos como el desequilibrio de clases, ligeras variaciones histológicas y limitaciones del conjunto de datos, permitiendo que el modelo aprendiera características invariantes y reduciendo el riesgo de sobreajuste. Al ampliar sintéticamente el conjunto de datos e incorporar variabilidad controlada, la ampliación de datos mejoró significativamente la capacidad del modelo para generalizar a datos nuevos y no vistos, produciendo así un sistema más fuerte y robusto para el despliegue clínico en el diagnóstico de cáncer de pulmón y colon.

Arquitectura del modelo
El modelo se desarrolló basándose en la arquitectura EfficientNetB7, una red de aprendizaje profundo de última generación reconocida por su rendimiento, escalabilidad y eficacia en tareas de clasificación de imágenes. EfficientNetB7 fue construido utilizando una serie de bloques de Convolución de Cuello de Botella Móvil Invertido (MBConv), que incorporaban convoluciones separables en profundidad. Este diseño estructural comprimía eficazmente el modelo, resultando en reducciones significativas en el número de parámetros con una pérdida mínima de rendimiento. Esta innovación permitió al modelo alcanzar alta precisión con menores costes computacionales, lo que lo hace especialmente adecuado para aplicaciones computacionalmente intensivas como el análisis histopatológico de imágenes. La Figura 3 muestra la arquitectura del modelo del EfficientNetB7 preentrenado.

Figura 3: Arquitectura del modelo de EfficientNetB7. Esta figura muestra la estructura detallada del modelo EfficientNetB7, ilustrando sus capas principales y bloques funcionales utilizados para la clasificación de imágenes. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

El modelo aceptaba imágenes histopatológicas preprocesadas que habían sido redimensionadas desde sus dimensiones originales de 768 × 768 píxeles hasta 224 × 224 píxeles para ajustarse a los requisitos de entrada de EfficientNetB7. Cada imagen pasaba por varios procesos dentro de la red, incluyendo normalización por lotes, funciones de activación de Swish y operaciones de convolución. La normalización por lotes se calculó como se muestra en la Ecuación 5. La función de activación Swish introdujo la no linealidad y permitió un entrenamiento más rápido y eficiente en comparación con funciones tradicionales como ReLU. Estas capas estaban diseñadas para extraer y mejorar características jerárquicas, permitiendo que el modelo aprendiera progresivamente desde patrones de bajo nivel hasta altos niveles a medida que las imágenes se propagaban a través de la red.

(5)

La columna vertebral convolucional de EfficientNetB7, preentrenada en el conjunto de datos ImageNet, proporcionaba un conjunto altamente generalizable de detectores de características efectivos en una amplia gama de dominios de imagen. La base preentrenada desempeñó un papel clave en la captura de patrones sutiles pero informativos en imágenes histopatológicas, que a menudo se caracterizan por una alta variabilidad intra-clase y características de grano fino. La salida de las capas convolucionales se pasaba a una capa global de pooling promedio, que reducía las dimensiones espaciales a un solo vector de características para cada imagen. Este vector, que encapsulaba las características más relevantes aprendidas por las capas convolucionales, se aplanaba en un arreglo unidimensional para compatibilidad con capas totalmente conectadas. El algoritmo para la detección mejorada del cáncer de pulmón y colon se proporciona en el Archivo Suplementario 1.

La arquitectura de red posterior incluía dos capas densas (totalmente conectadas) con 128 y 64 unidades, respectivamente. Ambas capas utilizaron la función de activación de la Unidad Lineal Rectificada (ReLU) para introducir no linealidad adicional y afinar las características extraídas, permitiendo al modelo reconocer patrones y relaciones más precisos dentro de los datos. La capa final del modelo era una capa de salida SoftMax con cinco neuronas, cada una representando una de las cinco clases del conjunto de datos. La función SoftMax producía una distribución de probabilidad entre las clases, que reflejaba la predicción del modelo para cada imagen de entrada, tal como se describe en la Ecuación 6:

(6)

La combinación de técnicas convolucionales de última generación, regularización robusta y estrategias de optimización efectivas dio lugar a un modelo de aprendizaje profundo bien adaptado para la clasificación de imágenes médicas de alto riesgo. El modelo alcanzó precisión, escalabilidad y eficiencia operativa, demostrando un gran potencial para su aplicación clínica en el diagnóstico de cáncer de pulmón y colon. Dentro de este marco, la regularización se logró principalmente mediante aumento avanzado de datos y el uso de la parada temprana; No se aplicó ningún descenso explícito ni desintegración de peso a las capas densas.

Formación y validación
La canalización de validación y preentrenamiento de la red neuronal convolucional (CNN) para LC25000 clasificación histopatológica de imágenes fue diseñada para optimizar el rendimiento del modelo y asegurar una buena generalización. La cadena comenzó con un preprocesamiento exhaustivo, que incluyó reducir las imágenes originales de 768 × 768 píxeles a 224 × 224 píxeles para ajustarse a los requisitos de entrada de la arquitectura EfficientNetB7. Las intensidades de píxeles se normalizaron al rango [0, 1] para estabilizar y acelerar el entrenamiento, y se aplicaron técnicas de aumento de datos, incluyendo rotaciones aleatorias, desplazamientos, zooms y volteos horizontales, para introducir variabilidad y mitigar el sobreajuste. Estas operaciones de preprocesamiento aseguraban que el modelo aprendiera características invariantes y se generalizara bien a nuevos datos.

El modelo EfficientNetB7, preentrenado en el conjunto de datos ImageNet, se empleó como base, proporcionando un conjunto robusto de detectores de características capaz de identificar patrones histológicos sutiles. Posteriormente, el modelo fue ajustado con dos capas densas (128 y 64 unidades) activadas por la función de Unidad Lineal Rectificada (ReLU), seguidas de una capa de salida SoftMax para la clasificación de cinco clases. Esta arquitectura estaba optimizada tanto para la precisión como para la eficiencia computacional, lo que la hacía muy adecuada para el análisis de imágenes médicas. La regla de actualización del optimizador de Adam para θ se muestra en la Ecuación 7.

(7)

El entrenamiento del modelo se realizó en lotes de 128 imágenes usando el optimizador Adam, que escaló adaptativamente la tasa de aprendizaje para promover una convergencia efectiva. Se implementó un criterio temprano de parada para monitorizar la pérdida de validación y el entrenamiento de detención si no se observaba mejora, evitando así el sobreajuste y optimizando los recursos computacionales. Durante el entrenamiento, se rastrearon métricas clave de rendimiento —incluyendo precisión, pérdida, precisión y recuperación— utilizando un conjunto de validación de retención que comprendía el 20% de los datos. El conjunto de retención proporcionó información crítica sobre las capacidades de generalización del modelo y mitigó el riesgo de sobreajuste a datos no vistos.

La integración de estrategias avanzadas de preprocesamiento, aumento de datos y optimización resultó en una excelente precisión y robustez del modelo, demostrando un gran potencial para su aplicación clínica en la detección del cáncer de pulmón y colon. Todos los experimentos se realizaron en una GPU NVIDIA Tesla P100 con 16 GB de memoria y 64 GB de RAM del sistema. La cadena completa de entrenamiento —incluyendo preprocesamiento, aumento y optimización del modelo— requirió aproximadamente tres horas para completar diez épocas con un tamaño de lote de 128. Esta infraestructura computacional fue seleccionada para gestionar eficientemente el gran conjunto de datos ampliado, manteniendo tiempos de entrenamiento razonables y adecuados para entornos de investigación clínica.

Para la reproducibilidad, todos los hiperparámetros críticos se especificaron explícitamente. El modelo se entrenó usando el optimizador Adam con una tasa de aprendizaje constante de 0,001. El entrenamiento se realizó durante un máximo de 10 épocas, con una parada temprana basada en la pérdida de validación y una paciencia de tres épocas para evitar sobreajustes. Se utilizó un lote de 128 unidades tanto para la fase de entrenamiento como para la de validación. Para asegurar resultados consistentes, la semilla aleatoria se estableció en 42 en todas las etapas de la carga de datos y el entrenamiento del modelo. No se aplicó ningún calendario de decadencia de la tasa de aprendizaje durante la formación.

El protocolo combinaba un preprocesamiento sistemático, hiperparámetros bien calibrados, esquemas rigurosos de validación y un entorno computacional abierto para promover tanto la precisión como la reproducibilidad. El flujo de trabajo, al integrar una arquitectura robusta de aprendizaje profundo, optimización eficaz y diseño experimental reproducible, estableció una base sólida para la clasificación histopatológica de imágenes. Además de demostrar un fuerte rendimiento en la detección del cáncer de pulmón y colon, el protocolo definió un marco escalable que podría extenderse a desafíos similares de imagen biomédica en futuras investigaciones.

Durante el desarrollo del modelo, se implementaron varios ajustes prácticos para lograr resultados fiables y reproducibles. Se utilizaron paradas tempranas y aumentos avanzados de datos para abordar el desequilibrio de clases y el sobreajuste. El alto uso de memoria durante el entrenamiento se mitigó redimensionando las imágenes a 224 × 224 píxeles y usando un tamaño de lote de 128. Cuando se encontraba una convergencia lenta, la tasa de aprendizaje se establecía empíricamente en 0,001. Se realizó la verificación manual de la estructura del directorio de imágenes para evitar errores de carga de datos, y se corrigieron semillas aleatorias para garantizar la reproducibilidad. Estas estrategias pueden servir como guía práctica para investigadores que enfrentan desafíos análogos al entrenar modelos de aprendizaje profundo con grandes conjuntos de datos histopatológicos de imágenes.

Análisis estadístico
La modelización estadística del rendimiento del modelo se realizó utilizando un conjunto completo de métricas para evaluar la precisión, estabilidad y generalizabilidad. Las principales medidas de evaluación incluyeron precisión, recuerdo, puntuación F1 y exactitud para cuantificar el rendimiento en la clasificación. La matriz de confusión se utilizó para informar métricas de error específicas de cada clase, calculadas según las Ecuaciones 8-10:

(8)

(9)

(10)

Además, se evaluaron medidas de error como el Error Cuadrático Medio (MSE), el Error Cuadrático Medio Raíz (RMSE) y el Error Absoluto Medio (MAE) para evaluar la precisión de las predicciones, calculadas usando las Ecuaciones 11-13:

(11)

(12)

(13)

Se emplearon la curva de Característica de Operación del Receptor (ROC) y el Área Bajo la Curva (AUC) para evaluar la capacidad del modelo para discriminar entre clases en varios umbrales. El AUC se calculó como se muestra en la Ecuación 14:

(14)

Estos análisis estadísticos proporcionaron una evaluación exhaustiva del rendimiento en la clasificación, la robustez y la generalización del modelo hacia datos no vistos.

Estudio de ablación
Para evaluar más a fondo la contribución de cada componente dentro del marco de clasificación, se realizó un estudio de ablación omitiendo o modificando selectivamente elementos arquitectónicos específicos del modelo final. Específicamente, se evaluaron dos configuraciones experimentales alternativas: una configuración incluía tanto las capas de Agrupación Promedio Global como las de Aplanamiento, seguidas por dos capas densas (128 y 64 unidades, respectivamente); la otra configuración omitió tanto la capa Flatten como la capa densa de 128 unidades, dejando solo la capa de Agrupación Media Global y una única capa densa de 64 unidades.

La arquitectura completa, según se informa en los resultados principales, alcanzó una precisión de validación de aproximadamente el 96%. Cuando se excluyó la capa Flatten, y solo se utilizaron las capas densas de 128 y 64 unidades tras la Agrupación Promedio Global, la precisión de validación cayó al 81,6%. Por el contrario, cuando se excluyó la capa densa de 128 unidades y se mantuvo la capa Flatten, la precisión de la validación disminuyó al 88%. Estos resultados indicaron la necesidad de incluir tanto la capa extra densa como los componentes arquitectónicos adecuados para lograr un rendimiento óptimo en la clasificación. Los hallazgos de los experimentos de ablación demostraron consistentemente que la combinación de Global Average Pooling, Aplanamiento y dos capas totalmente conectadas permitía una representación de características más expresiva, resultando en una clasificación histopatológica de imágenes más robusta y precisa.

Results

La Figura 4 presenta la precisión del entrenamiento y validación. La Figura 5 presenta la pérdida de entrenamiento y validación.

Figura 4: Precisión en el entrenamiento y validación a lo largo de épocas. Esta figura muestra la pr...

Discussion

En la revisión crítica de instancias mal etiquetadas bajo la arquitectura de aprendizaje profundo EfficientNetB7, se realiza un examen crítico en casos donde las predicciones del modelo no coinciden con las etiquetas reales dentro del conjunto de datos de validación. El análisis crítico es de extrema importancia para analizar ciertos errores de clasificación, especialmente cuando el modelo clasifica erróneamente diversas características histopatológicas de los tejidos pulmonares y

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
GPU A100 (CUDA)	NVIDIA	CUDA Versión 11.0	Aceleración de GPU para entrenamiento y evaluación de modelos.
Plataforma Kaggle	Google	N/A	Cuaderno basado en la nube para el desarrollo de modelos de aprendizaje automático
Keras	TensorFlow (Google)	Versión 2.6.0	API de aprendizaje profundo ejecutándose sobre TensorFlow.
LC25000	Borkowski AA, Bui MM, Thomas LB, Wilson CP, DeLand LA, Mastorides SM. Conjunto de datos de imágenes histopatológicas de cáncer de pulmón y colon (LC25000)	N/A	Este conjunto de datos contiene 25.000 imágenes histopatológicas con 5 clases. Todas las imágenes miden 768 x 768 píxeles y están en formato de archivo jpeg.
Matplotlib	Fundación de Software Python	Versión 3.5.0	Biblioteca de visualización para graficar resultados.
NumPy	Fundación de Software Python	Versión 1.19.5	Biblioteca de computación numérica.
OpenCV	Código abierto	Versión 4.5.4	Biblioteca de procesamiento de imágenes y visión por ordenador.
Pandas	Fundación de Software Python	Versión 1.3.4	Herramienta de análisis y manipulación de datos.
Python (distribución anaconda)	Anaconda Inc	Versión 3.7.12	Incluye paquetes preinstalados y herramientas de gestión del entorno.
Scikit-learn	Fundación de Software Python	Versión 0.23.2	Herramientas de aprendizaje automático para la evaluación del rendimiento.
TensorFlow	Google	Versión 2.6.2	Marco de aprendizaje profundo para modelos de difusión.