L'Apprendimento Auto-Supervisionato Raggiunge il 99,64% di Accuratezza nella Classificazione dei Tumori Cerebrali tramite MRI

Un recente articolo di ricerca su arXiv (2605.01999) presenta TumorXAI, un innovativo framework di apprendimento auto-supervisionato (SSL) volto alla classificazione spiegabile dei tumori cerebrali da immagini MRI. I ricercatori hanno utilizzato un backbone ResNet-50 per valutare SimCLR, BYOL, DINO e MoCo v3 su un dataset pubblico composto da 4.448 MRI rappresentanti 17 diversi tipi di tumore. In particolare, SimCLR ha raggiunto un'impressionante accuratezza, precisione, richiamo e F1-score del 99,64%. La metodologia comprende pre-elaborazione, fine-tuning, valutazione lineare e pre-addestramento SSL con varie tecniche di augmentazione. Quando le etichette erano scarse, i modelli pre-addestrati con SSL hanno superato le baseline supervisionate tradizionali. Inoltre, il framework offre approfondimenti visivi sulle decisioni del modello.