Aplicaciones de las redes neuronales avanzadas en el campo biomédico.

Abstract

[ES]La creación y descubrimiento de las redes neuronales artificiales desde su inicio han sido capaces de recrear el aspecto más importante de los seres humanos, el pensamiento. El percep trón fue el primer paso en este camino hacia la optimización total de procesos. En su origen y años posteriores a mediados del siglo XX, fue algo que no se veía realmente un futuro cercano con el que trabajar y que resultase de apoyo, causado por la falta de recursos. En la actualidad, después de el algoritmo de aprendizaje automático de Backpropagation y el de sarrollo del perceptrón multicapa, las redes neuronales artificiales lograron el paso más grande en su desarrollo. Después de estos algoritmos, los investigadores Yann LeCun entre otros a finales de la déca da de 1980, crearon lo que inició una de las redes neuronales avanzadas en la que nos vamos a centrar, las convolucionales. Esto dio lugar a una nueva capacidad en el campo de la inteligencia artificial, el reconocimiento de patrones en imágenes y su transcripción creando un sistema de visión computacional, a diferencia de las redes neuronales recurrentes (RNN), y las redes Long Short-Term Memory (LSTM) que se centran en datos con un aspecto de memoria temporal y el control de flujo de la misma. Para finalizar, los innumerables usos que pueden tener este tipo de redes neuronales, re presentan una esperanza indudable para la biomedicina y el diagnóstico en enfermedades o identificación de patrones que un ser humano es incapaz de percibir que se encuentran ocul tos en los datos, como la lectura de caracteres, identificación y clasificación de imágenes entre muchos otros métodos. Con el paso del tiempo, el progreso y el alcance por parte de todas las personas será exponencial y facilitará todos los aspectos más necesarios de nuestra vida.

[EN]The creation and discovery of artificial neural networks, since their inception, have been able to replicate the most important aspect of human beings: thinking. The perceptron was the first step on this path towards full process optimization. Initially and in the years following the mid-20th century, it was not something that seemed to have an immediate future to work with or provide support due to a lack of resources. However, in the present day, with the development of the Backpropagation algorithm and the multilayer perceptron, artificial neural networks have achieved the greatest leap in their development. Following these algorithms, researchers like Yann LeCun, among others, in the late 1980s, created what initiated one of the advanced neural networks that we are going to focus on: con volutional neural networks (CNNs). This led to a new capability in the field of artificial intelli gence, pattern recognition in images and their transcription, creating a computer vision system. In contrast to recurrent neural networks (RNNs) and Long Short-Term Memory (LSTM) net works, which focus on data with a temporal memory aspect and flow control, CNNs specialize in pattern recognition tasks. In conclusion, the countless applications of these types of neural networks represent un deniable hope for biomedicine and disease diagnosis, as well as the identification of patterns that are imperceptible to humans but hidden within data. These applications include tasks such as character recognition, image identification, and classification, among many other methods. Over time, progress and accessibility will exponentially enhance and facilitate the most essential aspects of our lives for everyone.