RenalTCN: una arquitectura híbrida Transformer-convolucional con funciones de pérdida compuestas para una segmentación robusta de tumores renales Autores: Neethu Rose Thomas - Karunya Institute of Technology and Science; Jyothi Engineering College (IN) J. Anitha - Karunya Institute of Technology and Science (IN) Resumen La segmentación de tumores a partir de tomografías computarizadas (TC) de los riñones puede contribuir a orientar los procedimientos quirúrgicos, monitorizar la eficacia del tratamiento y predecir los resultados en pacientes con carcinoma de células renales (CCR). Sin embargo, el marcado desequilibrio de clases entre primer plano y fondo, la amplia heterogeneidad morfológica de las masas renales y la superposición visual entre quistes benignos y tumores malignos dificultan el diagnóstico preciso de los tumores renales. En este artículo se presenta RenalTCN, una red híbrida formada mediante la combinación de un codificador-decodificador convolucional con un cuello de botella basado en Transformer, con el fin de aprender tanto detalles locales finos como características anatómicas. Las redes convolucionales convencionales son eficaces para captar detalles locales, pero presentan limitaciones para modelar información global. Por el contrario, las redes basadas en Transformers capturan dependencias de largo alcance, aunque a costa de una menor precisión espacial fina y de una mayor complejidad computacional. RenalTCN combina modelos convolucionales y Transformer para superar las limitaciones de ambos enfoques. El modelo propuesto se entrena con salidas auxiliares y una estrategia cuidadosamente diseñada de regularización por decaimiento de pesos aplicada a pérdidas focal, Dice y de entropía cruzada, con el objetivo de abordar el acusado desequilibrio entre clases. Además, el enfoque incorpora optimizaciones prácticas, como acumulación de gradientes, precisión mixta y recocido cosenoidal con tasas de aprendizaje diferenciadas, para estabilizar y acelerar la convergencia. En el conjunto de validación, RenalTCN alcanzó puntuaciones Dice de 0,965 ± 0,02 para el riñón y de 0,820 ± 0,08 para el tumor. El modelo mostró un rendimiento consistente en función del tamaño tumoral, con una sensibilidad del 90 % para tumores pequeños (≤ 4 cm), del 100 % para tumores de tamaño medio (4–7 cm) y del 96 % para tumores grandes (> 7 cm). Los estudios de ablación demostraron que cada decisión de diseño es relevante. La eliminación únicamente del cuello de botella Transformer produjo la mayor disminución de la puntuación Dice (4,0 %), lo que indica la reducción más significativa de la precisión en la segmentación tumoral. En conjunto, RenalTCN ofrece un equilibrio razonable entre la complejidad del modelo y el coste computacional, y su marco de entrenamiento aborda directamente dos problemas principales: el desequilibrio de clases y la inestabilidad de la optimización. Estas características hacen que el modelo sea potencialmente aplicable en escenarios clínicos reales con recursos de hardware limitados.