Resumen de Detección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo

Abraham Altuve Mouthon, Elías Colón Muñoz, Asael De la Rosa Sampayo, Luis F. Murillo Fernández, Luis Alfredo Blanquicett, Eugenia Arrieta, Edward Núñez Valdés

• español

  Introducción: La problemática a tratar en este trabajo es la detección de melanoma, el cual es uno de los distintos cánceres de piel que existen, el cual presenta una alta tasa de mortalidad.

  Objetivo: En este documento se presenta un proyecto de investigación en el área de Inteligencia Artificial cuyo objetivo es la detección de melanoma por medio del análisis de imágenes utilizando Deep learning.

  Método: Inicialmente se aplican operaciones morfológicas sobre la imagen para dejar solo el objeto de interés. Luego esta imagen se ingresa a una red neuronal convolucional, la cual ha sido entrenada para la detección de melanomas.

  Resultados: La arquitectura de red convolucional propuesta presenta unos resultados aceptables en la métrica de accuracy para la identificación de melanoma maligno o benigno. Sin embargo, se propone realizar futuros experimentos que puedan mejorar estos resultados.

  Conclusiones: Gracias a las técnicas de Deep Learning con esta clase de herramientas se está ofreciendo un sistema muy poderoso y útil a la hora de determinar el diagnóstico de este tipo de enfermedades.

      

• English

  Introduction: The problem to be addressed in this work is the detection of melanoma, which is one of the different skin cancers that exist, which has a high mortality rate.

  Objective: This document presents a research project in Artificial Intelligence whose objective is the detection of melanoma through image analysis using Deep learning.

  Method: Initially, morphological operations are applied to the image to leave only the object of interest. This image is then fed into a convolutional neural network, which has been trained for melanoma detection.

  Results:  The proposed convolutional network architecture presents acceptable results in the accuracy metric for the identification of malignant or bening melanoma. However, it is proposed to carry out future experiments that can improve these results.

  Conclusions: Thanks to Deep Learning techniques with this class of tools, a very powerful and useful system is being offered when it comes to determining the diagnosis of this type of disease.