Resumen

RIANO BORDA, Sebastián; GUARNIZO, José Guillermo; CAMACHO POVEDA, Edgar Camilo  y  MATEUS ROJAS, Armando. Clasificación automatizada del melanoma maligno mediante redes neuronales convolucionales. Cienc. Ing. Neogranad. [online]. 2022, vol.32, n.2, pp.171-185.  Epub 30-Dic-2022. ISSN 0124-8170.  https://doi.org/10.18359/rcin.6270.

En esta investigación se propone un diseño de arquitectura para el reconocimiento de melanoma (un tipo de cáncer de piel) mediante el uso de una CNN (Red Neuronal Convolucional), trabajo que será de utilidad para investigadores en futuros proyectos en áreas como biomedicina, aprendizaje automático, y otras relacionadas avanzando en sus estudios y mejorando esta propuesta. La CNN se utiliza principalmente en visión por computador (una rama de la inteligencia artificial), aplicada al reconocimiento de patrones en lunares de la piel y para determinar la existencia de melanoma maligno, o no, con un conjunto de datos limitado. El clasificador CNN diseñado y entrenado en este caso se construyó mediante un par de capas de convolución y acumulación para formar una red neuronal de seis capas seguida de la totalmente conectada para completar la arquitectura con un clasificador de salida. La base de datos propuesta para entrenar nuestra CNN es la mayor colección pública de imágenes dermatoscópicas de melanomas y otras lesiones cutáneas, proporcionada por la International Skin Imaging Collaboration (ISIC), patrocinada por la International Society for Digital Imaging of the Skin (ISDIS), un esfuerzo internacional para mejorar el diagnóstico del melanoma. El propósito de esta investigación fue diseñar una Red Neuronal Convolucional con un alto nivel de precisión para ayudar a los profesionales de la medicina con un diagnóstico de melanoma, en este caso, fue posible obtener una precisión hasta del 88,75 %.

Palabras clave : Convolución; Redes Neuronales Convolucionales; Dermatoscopia; Detección de Melanoma.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )