Convolutional Neural Network-Based Approach For Skin Lesion Classification

Mariame Oumoulylte; Ali Omari Alaoui; Yousef Farhaoui; Ahmad El Allaoui; Abdelkhalak Bahri

doi:10.56294/dm2023171

Artículos originales

Published: 2023-12-27

DOI: https://doi.org/10.56294/dm2023171

Enfoque basado en redes neuronales convolucionales para la clasificación de lesiones cutáneas

Resumen

El cáncer de piel representa una de las formas primarias de cáncer derivado de diversos trastornos dermatológicos. Puede clasificarse en función de sus características morfológicas, coloración, estructura y textura. Dado el aumento de la incidencia del cáncer de piel, sus elevadas tasas de mortalidad y los considerables costes asociados al tratamiento médico, la detección precoz es imprescindible para diagnosticar rápidamente los síntomas e iniciar las intervenciones adecuadas. Tradicionalmente, el diagnóstico y la detección del cáncer de piel implican el cribado manual y el examen visual realizado por dermatólogos. estas técnicas son complejas, propensas a errores y consumen mucho tiempo. Los algoritmos de aprendizaje automático, en particular los enfoques de aprendizaje profundo se han aplicado para analizar imágenes de lesiones cutáneas, detectar posibles crecimientos cancerosos y proporcionar predicciones sobre la probabilidad de malignidad. En este artículo, hemos desarrollado una red neuronal convolucional profunda optimizada (DCNN) específicamente diseñada para clasificar las lesiones cutáneas en categorías benignas y malignas. De este modo, se mejora la precisión del diagnóstico de la enfermedad. Nuestro estudio abarcó la utilización de un conjunto de datos compuesto por 3.297 imágenes dermatoscópicas. Para mejorar el rendimiento del modelo, aplicamos rigurosas técnicas de preprocesamiento de datos y algoritmos de activación softmax. El enfoque sugerido emplea múltiples optimizadores, incluidos Adam, RMSProp y SGD, todos ellos configurados con una tasa de aprendizaje de 0,0001. Los resultados de nuestros experimentos revelan que el optimizador Adam supera a los demás en la distinción de lesiones cutáneas benignas y malignas en el conjunto de datos ISIC, con una puntuación de precisión del 84%, una tasa de pérdida del 32%, un índice de recuerdo del 85%, una puntuación de precisión del 85%, una puntuación f1 del 85% y un ROC-AUC del 83%.

Keywords:

Cáncer de Piel,

Redes Neuronales Convolucionales,

Aprendizaje Profundo,

Imágenes Médicas,

Cómo citar

Oumoulylte M, Omari Alaoui A, Farhaoui Y, El Allaoui A, Bahri A. Enfoque basado en redes neuronales convolucionales para la clasificación de lesiones cutáneas. Data and Metadata [Internet]. 27 de diciembre de 2023 [citado 6 de julio de 2024];2:171. Disponible en: https://dm.saludcyt.ar/index.php/dm/article/view/171

Aviso de derechos de autor/a

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

Vol. 2 (2023)

See full issue

Revistas / Journals

Issue

Acerca de

Envíos