“…Se han comparado varios modelos, como el VGG-16, InceptionV3 y CapsuleNet, y un modelo personalizado basado en ResNet-18 logra una precisión del 84,59% en la clasificación [27] . Los enfoques del aprendizaje por transferencia, como el aprendizaje por transferencia basado en la generalización y la regularización (GRA-TLA), también se han utilizado para el diagnóstico de la viruela símica, con una precisión que oscila entre el 77 y el 99% [ 28] . Las funciones de la CNN previamente preparadas, combinadas con los clasificadores de aprendizaje automático, han arrojado resultados prometedores en la detección de la viruela símica .…”