Resumen:

Los modelos de Redes Neuronales (RN) y de Deep Learning (DL) han logrado equiparar y complementar la labor de radiólogos en tareas como detección o clasificación de patologías. Sin embargo para entrenar dichos modelos se requieren cientos de miles o millones de imágenes. La transferencia de aprendizaje (TA) es un técnica de entrenamiento de RN que permite utilizar el conocimiento que un modelo adquirió al ser entrenado en un conjunto de datos origen en una primera tarea, para ser utilizado en un conjunto de datos objetivo para una tarea diferente a la original. De esta forma se reutiliza la capacidad del modelo para identificar rasgos generales en las imágenes origen (bordes, patrones, texturas, o formas) y se ajusta para detectar los rasgos particulares en las imágenes objetivo (por ejemplo nódulos, fracturas, etc.). El siguiente trabajo presenta una introducción al concepto de TA, presenta ejemplos de aplicaciones en imágenes médicas, plantea limitaciones de la técnica y entrega recomendaciones para su uso correcto en el entrenamiento de modelos de DL en conjuntos de datos reducidos.