Detección de criterios dermatoscópicos del carcinoma basocelular mediante aprendizaje profundo

• M. Lazo ^[1] ; B. Acha ^[1] ; T. Toledo ^[2] ; A. Serrano ^[2] ; R. Barros ^[2] ; C. Serrano ^[1]
  1. [1] Universidad de Sevilla

     Universidad de Sevilla

     Sevilla, España

     
  2. [2] Hospital Universitario Virgen Macarena

     Hospital Universitario Virgen Macarena

     Sevilla, España

     
• Localización: XXXVIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica. CASEIB 2020: Libro de actas / Roberto Hornero Sánchez (ed. lit.), Jesús Poza Crespo (ed. lit.), Carlos Gómez Peña (ed. lit.), María García Gadañón (ed. lit.), 2020, ISBN 978-84-09-25491-0, págs. 468-471
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • En este artículo se presenta un sistema de ayuda al diagnóstico que permite dar soporte a la decisión con una clasificación de lesiones de piel por medio del uso de imágenes de dermatoscopia en color. En este caso se trabaja para ayudar a detectar el carcinoma basocelular (BCC, Basal Cell Carcinoma) con el uso de procesamiento de imágenes y redes neuronales convolucionales. Para ello se detectan automáticamente los patrones dermatoscópicos, que los dermatólogos emplean para la discriminación del BCC. Como entradas a la red neuronal profunda (VGG16) se combinan las imágenes originales con imágenes preprocesadas mediante un análisis del color. Se obtienen precisiones entre 0.62 y 0.83, dependiendo del patrón detectado.