Implementación de una metodología basada en Deep Learning para el diagnóstico de cáncer de mama

Abstract

Implementa una metodología basada en Deep Learning para el diagnóstico de cáncer de mama, la cual consta de una serie de fases: el preprocesamiento de imágenes mamográficas de los datasets públicos mini-MIAS y mini-DDSM para eliminar el ruido; el aumento del conjunto de datos mediante el uso de la librería Augmentor Python; la puesta en marcha de los modelos de red neuronal convolucional utilizando arquitecturas denominadas EfficientNetB5, EfficientNetB6 y EfficientNetB7; y, por último, el uso de una red neuronal densa que recibe como entradas las probabilidades obtenidas de cada modelo de red, y devuelve como salidas las probabilidades que tiene una imagen mamográfica de ser maligno y benigno. El modelo implementado alcanzó una sensibilidad de 99.86%, especificidad de 99.90% y precisión de 99.75%.