Arquitectura de red neuronal convolucional para diagnóstico de cáncer de piel

Abstract

El aprendizaje automático ha sido la técnica más usada últimamente en diferentes aplicativos, el Deep Learning que se encuentra dentro del aprendizaje automático, es uno de los más aplicados para el análisis de imágenes médicas, facilitando el diagnóstico de enfermedades en los pacientes y así tomar mejores decisiones acertadas sobre su salud. El presente trabajo describe el problema para la detección de cáncer de piel a partir de imágenes ya clasificadas en melanoma maligno y benigno utilizando un modelo de aprendizaje profundo. La solución a este problema, se evaluó diferentes redes neuronales convolucionales, las cuales puedan obtener una mejor exactitud de la imagen tomada. El modelo establecido para el problema está basado en una clasificación binaria utilizando los valores 1 en caso de maligno y 0 para benigno, así se podrá detectar de forma temprana el melanoma siendo de gran utilidad. La solución propuesta es una nueva arquitectura para el entrenamiento y validación de las imágenes. El proyecto finalmente realiza una comparativa de los resultados que se han realizado en otra investigación, donde las métricas de nuestro proyecto mejoran considerablemente al tener 3 capas. Estos resultados se evaluaron utilizando repositorios de imágenes, que están validados por centros especiales de salud de cáncer de piel.

Machine learning has been the most used technique in different applications, deep learning is in machine learning, is the most used technique for analysis of medical images, facilitate the diagnosis of diseases in patients and thus make better decisions Decisions successful on your health. The present work describes the problem for the detection of skin cancer and the images classified in malignant and benign melanoma in a deep learning model. The solution to this problem, different convolutional neuronal networks were evaluated, so that they to be able to best accuracy of the image taken. The model established for the problem is based on a binary classification using the values 1 in case of malignancy and 0 for more information. The solution is a new architecture for the training and validation of images. The project finally makes a comparison of the results that have been made in another investigation, where the metrics of our project improve the results of having 3 layers. These results are evaluated using image repositories, which are validated by special skin cancer health centers.