Grad-CAM en imágenes médicas: Una revisión sistemática sobre su aplicación en la explicabilidad de redes neuronales convolucionales

• Autores: Cueva Altamirano, Luis Deyner, Guevara Guimarey, Marco Xavier
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/17053
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17053
• Nivel de acceso: acceso abierto
• Materia: Grad-CAM; Redes neuronales convolucionales; Explicabilidad; Imágenes médicas; Inteligencia artificial; https://purl.org/pe-repo/ocde/ford#2.02.04

En la presente investigación se realiza una revisión sistemática acerca del uso de la técnica Grad-CAM para la explicación mediante mapas de calor de las características más importantes o patrones asociados a una enfermedad en los resultados emitidos por las redes neuronales convolucionales (CNN) al procesar imágenes médicas. Esta técnica de explicabilidad brinda la posibilidad de identificar las áreas relevantes de las imágenes médicas que influyen en la decisión tomada por la CNN, mejorando la interpretabilidad y confianza en los diagnósticos médicos basados en imágenes. Mediante el análisis de 23 artículos científicos, se identificaron y analizaron las CNN más utilizadas como ResNet50, Xception y VGG19, se evaluó su precisión para luego integrarse con Grad-CAM. Los hallazgos evidenciados después de su análisis dan evidencia de la efectividad de esta técnica en el diagnóstico de enfermedades a través de imágenes médicas, lo cual conlleva a promover el desarrollo de modelos de clasificación más confiables y transparentes.