Red neuronal convolucional
Sinónimos: CNN · Convolutional neural network · Redes neuronales convolucionales
Definición ampliada
Una red neuronal convolucional, o CNN, aplica filtros que recorren la entrada y detectan patrones locales, combinándolos capa a capa en representaciones cada vez más abstractas. Está pensada para datos con estructura de cuadrícula, sobre todo imágenes [1].
Dos propiedades explican su eficacia: el mismo filtro se reutiliza en toda la imagen, lo que reduce muchísimo el número de parámetros, y la jerarquía de capas pasa de bordes y texturas a formas y objetos.
Contexto histórico
Las convoluciones en redes neuronales se formalizaron en los años noventa para reconocer caracteres manuscritos [1]. Su adopción masiva llegó en 2012, cuando una red convolucional profunda ganó la competición ImageNet con un margen amplio y desplazó a los descriptores diseñados a mano [2].
Importancia actual
A fecha de septiembre de 2026, las CNN siguen siendo una opción sólida en imagen médica, y conviven con arquitecturas de tipo transformer aplicadas a visión. En entornos con conjuntos de datos moderados y necesidad de eficiencia, una red convolucional bien entrenada continúa siendo competitiva.
Aplicaciones
Generales
- Clasificar y detectar objetos en imágenes.
- Segmentar regiones dentro de una imagen.
- Extraer representaciones visuales reutilizables en otras tareas.
Sanitarias
- Clasificar lesiones cutáneas a partir de imágenes clínicas y dermatoscópicas [3].
- Segmentar estructuras u órganos en tomografía y resonancia.
- Detectar hallazgos en radiografía, fondo de ojo o anatomía patológica digital.
Limitaciones
- Puede aprender el equipo, el centro o el protocolo en lugar de la enfermedad.
- Es sensible a perturbaciones pequeñas que una persona no percibiría.
- El rendimiento cae al cambiar de fabricante, de población o de preparación de la muestra.
- Una buena exactitud sobre imágenes seleccionadas no anticipa el rendimiento en el flujo real, donde llegan estudios de peor calidad y casos atípicos.
Ejemplos
Una CNN entrenada con radiografías de tórax puede señalar hallazgos compatibles con neumonía. Si en el conjunto de entrenamiento casi todas las radiografías portátiles pertenecían a pacientes graves, el modelo puede estar aprendiendo el tipo de equipo y no el proceso patológico.