Sistema de aprendizaje automático para la detección de cáncer de piel
Loading...
Date
2024-10-01
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Este proyecto propone el diseño y desarrollo de un sistema integral de aprendizaje automático para la detección temprana de cáncer de piel, utilizando un enfoque basado en redes neuronales profundas. Con el objetivo de mejorar la precisión y la accesibilidad en el diagnóstico de esta enfermedad, el sistema está orientado tanto a profesionales de la salud como a usuarios en general que buscan una herramienta confiable para la evaluación inicial de lesiones cutáneas.
El proyecto parte de la selección de un banco de datos de imágenes para el diagnóstico de cáncer de piel, específicamente utilizando el conjunto de datos ISIC disponible en Kaggle, reconocido por su calidad y diversidad de casos. Posteriormente, se llevará a cabo el preprocesamiento y procesamiento de estas imágenes, garantizando que los datos estén optimizados para la entrada en las diferentes arquitecturas de redes neuronales.
Se evaluarán múltiples modelos de redes neuronales supervisadas para identificar la arquitectura más eficaz en términos de precisión diagnóstica. Tras seleccionar el modelo más adecuado, se procederá a su entrenamiento utilizando el conjunto de datos preprocesado. El sistema incluirá módulos especializados para la carga y procesamiento de imágenes, entrenamiento del modelo, simulación y generación de resultados.
Finalmente, se implementará un sistema web intuitivo y accesible que permitirá a los usuarios cargar imágenes de lesiones cutáneas, procesarlas mediante el modelo entrenado y obtener resultados rápidos y precisos sobre la probabilidad de malignidad.
Este sistema no solo busca mejorar la detección temprana y reducir la carga de trabajo en los profesionales de la salud, sino también democratizar el acceso a herramientas avanzadas de diagnóstico, contribuyendo así a la mejora de la salud pública.
Abstract
This project proposes the design and development of an integrated machine learning system for the early detection of skin cancer, using an approach based on deep neural networks. With the aim of improving accuracy and accessibility in the diagnosis of this disease, the system is geared toward both healthcare professionals and the general public who seek a reliable tool for the initial evaluation of skin lesions.
The project begins with the selection of a dataset of images for the diagnosis of skin cancer, specifically utilizing the ISIC dataset available on Kaggle, which is recognized for its quality and diversity of cases. Subsequently, the preprocessing and processing of these images will be carried out, ensuring that the data is optimized for input into the various neural network architectures.
Multiple supervised neural network models will be evaluated to identify the most effective architecture in terms of diagnostic accuracy. After selecting the most suitable model, it will be trained using the preprocessed dataset. The system will include specialized modules for image upload and processing, model training, simulation, and result generation.
Finally, an intuitive and accessible web system will be implemented that will allow users to upload images of skin lesions, process them through the trained model, and obtain quick and accurate results regarding the probability of malignancy. This system not only seeks to improve early detection and reduce the workload of healthcare professionals but also to democratize access to advanced diagnostic tools, thereby contributing to the improvement of public health.