Benchmarking di Energia e Prestazioni di Modelli di Deep Learning per la Rilevazione del Cancro al Seno

Uno studio recente pubblicato su arXiv ha esaminato sette modelli di deep learning per la rilevazione del cancro al seno, valutando sia la loro efficacia che gli impatti ambientali. I modelli testati includevano reti neurali convoluzionali, transformer e tipi ibridi, utilizzando due dataset: Breast Ultrasound e BreakHis a ingrandimento 400X. I ricercatori hanno calcolato le emissioni di anidride carbonica generate durante i processi di addestramento e inferenza. I risultati hanno indicato che, mentre EfficientNet e ResNet hanno raggiunto tassi di rilevazione notevoli, erano anche associati a elevate emissioni. In alternativa, DeiT-Tiny ha mostrato prestazioni promettenti, mentre DenseNet121 è rimasto al di sotto in termini di accuratezza. I risultati sottolineano le crescenti preoccupazioni riguardo all'impronta ecologica dell'IA nell'imaging medico.