El trabajo tiene como objetivo desarrollar una herramienta que ayude a realizar un primer diagnóstico mediante la identificación de lunares en la piel que encajen en la descripción de un posible melanoma. Con tal fin, se realiza una comparación entre dos algoritmos comunes en la clasificación de imágenes random forest y redes neuronales convolucionales (RNC), detallándose la información necesaria para el desarrollo y aprovechamiento de los algoritmos y cómo estos serán utilizados para la programación de una herramienta digital que facilite la detección de un melanoma en la piel, acelerándose así el diagnóstico de cáncer de piel e iniciando un tratamiento de manera rápida. Para el desarrollo, se obtuvieron imágenes de una competencia organizada por la Society for Imaging in Medicine y la International Skin Imaging Collaboration. El total de imágenes de melanoma fue de 1...

El propósito de esta investigación es crear un modelo combinado que integre una CNN con Random Forest con el fin de clasificar adecuadamente lunares como benignos o malignos. Dicha combinación de metodologías se desarrolla con el fin de aumentar la eficiencia si se compara el trabajo de los algoritmos por separado. Esta metodología de desarrollo se llevó a cabo con el lenguaje de programación Python, escrito en el entorno de ejecución de Google Colaboratory. Se empezó importando las librerías que se van a utilizar para la escritura y ejecución del código de programación, una vez hecho eso, se desarrollaron funciones con el fin de ahorrar escrituras de líneas de código más adelante, y minimizar el uso de los recursos computacionales. Estas funciones son: Función de entrenamiento, Función de varianza y Función de matriz de confusión. Finalizado esto, se empezó con el p...