U-Net optimizado para la atención mejorada para la detección del autismo y la localización de regiones en resonancia magnética

El trastorno del espectro autista (TEA) es una condición del neurodesarrollo que afecta las habilidades cognitivas y sociales del niño, y que a menudo se diagnostica únicamente después de que aparecen los síntomas, generalmente alrededor de los 2 años de edad. El uso de imágenes por resonancia magnética (IRM) para la detección temprana del TEA puede mejorar significativamente los resultados de las intervenciones.

Este estudio propone un marco de trabajo para la detección del autismo y la localización de regiones cerebrales anómalas mediante un enfoque optimizado de aprendizaje profundo con mecanismos de atención. La metodología incluye la recolección de imágenes IRM, un proceso de preprocesamiento que abarca corrección de campo de sesgo, ecualización de histograma, eliminación de artefactos y filtrado de media no local. La clasificación del TEA se realiza utilizando una arquitectura denominada MobileNet Estructurada Simétrica con Mecanismo de atención (SSM-AM, por sus siglas en inglés). Esta red se mejora mediante la Optimización Basada en Elección Asistida por conciencia Renovada (RA-EBO), lo que permite una clasificación robusta y precisa.

Para la localización de las regiones con anomalías cerebrales asociadas al TEA, se utiliza una red de segmentación denominada U-Net Adaptativa Basada en atención Multiescala y Dilatada (MDA-AUnet), también optimizada con RA-EBO. Los resultados experimentales muestran que el modelo propuesto supera a los métodos existentes, alcanzando una precisión del 97. 29 %, una sensibilidad del 97. 27 %, una especificidad del 97. 36 % y una precisión diagnóstica (valor predictivo positivo) del 98. 98 %.

Estos hallazgos destacan el potencial de este enfoque de inteligencia artificial como una herramienta eficaz para el diagnóstico temprano del TEA y la planificación de intervenciones terapéuticas dirigidas. La combinación de técnicas avanzadas de aprendizaje profundo, optimización evolutiva y mecanismos de atención permite no solo una clasificación precisa, sino también la identificación de regiones cerebrales clave implicadas en el TEA, lo que podría revolucionar la detección precoz y el manejo clínico de este trastorno.

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.sciencedirect.com/