Detección de melanomas de piel malignos mediante procesamiento digital de imágenes usando redes neuronales convolucionales
Cargando...
Fecha
2022-06-30
Autores
Enlace al recurso
DOI
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Cargando...
Resumen
Este proyecto se propone diseñar una red neuronal para el reconocimiento de melanomas (un tipo
de cáncer de piel), mediante el uso de una técnica conocida como redes neuronales
convolucionales, mayormente utilizada en visión artificial (una rama de la inteligencia artificial),
aplicada en el reconocimiento de patrones sobre lunares en la piel y determinar la existencia de un
melanoma maligno, o no, a partir de un dataset limitado. Para esto, la red convolucional diseñada
y entrenada para clasificar los melanomas está formada por unas capas de convolución y pooling
apiladas entre sí para formar la red propuesta, una “fully connected layer” y un clasificador con 1
o 2 salidas, y es parametrizada con diferentes valores en características como el dropout, el tamaño
de los filtros, entre otros, realizando los entrenamientos en 5 diferentes etapas o experimentos. El
dataset propuesto para el entrenamiento de la CNN (Convolutional Neural Networks) es la
colección pública más grande de imágenes demoscópicas de lesiones en la piel, proveída de
manera gratuita por “International Skin Imaging Collaboration (ISIC)”, un esfuerzo por mejorar
el diagnóstico de melanomas, patrocinado por la “International Society for Digital Imaging of the
Skin (ISDIS)”. El propósito de este proyecto es diseñar una red neuronal convolucional con alto
nivel de precisión que ayude a los profesionales en medicina con el diagnóstico de melanomas, en
este caso fue posible conseguir una precisión de hasta 87.82% con la red diseñada con mejor
rendimiento.
Abstract
This project aims to design a neural network for the recognition of melanomas (a type of skin cancer), through the use of a technique known as convolutional neural networks, mostly used in artificial vision (a branch of artificial intelligence), applied in the recognition of patterns on moles on the skin and determine the existence of a malignant melanoma, or not, from a limited dataset. For this, the convolutional network designed and trained to classify melanomas is made up of convolution and pooling layers stacked together to form the proposed network, a "fully connected layer" and a classifier with 1 or 2 outputs, and is parameterized with different values in characteristics such as the dropout, the size of the filters, among others, performing the training in 5 different stages or experiments. The dataset proposed for the training of CNN (Convolutional Neural Networks) is the largest public collection of demoscopic images of skin lesions, provided free of charge by the "International Skin Imaging Collaboration (ISIC)", an effort to improve the diagnosis of melanomas, sponsored by the “International Society for Digital Imaging of the Skin (ISDIS)”. The purpose of this project is to design a convolutional neural network with a high level of precision that helps medical professionals with the diagnosis of melanomas, in this case it was possible to achieve an accuracy of up to 87.82% with the network designed with the best performance.
Idioma
spa
Palabras clave
Citación
Riaño Borda, S. (2022). Detección de melanomas de piel malignos mediante procesamiento digital de imágenes usando redes neuronales convolucionales. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio institucional.
Colecciones
Licencia Creative Commons
Atribución 2.5 Colombia
Atribución 2.5 Colombia
Atribución 2.5 Colombia
Atribución 2.5 Colombia
Atribución 2.5 Colombia