La presente investigación se vincula al ODS 9: Industria, innovación e infraestructura, promoviendo la innovación en salud mediante la implementación de sistemas avanzados para la detección de melanomas, esta investigación se planteó como objetivo implementar un sistema de deep learning basado en CNN para mejorar la detección dermatoscópica de melanomas en el ámbito sanitario, contribuyendo a la formación de empleo digno en áreas de tecnologías avanzadas y al fortalecimiento del sector médico-tecnológico. La investigación es de tipo aplicada, con un enfoque cuantitativo y un diseño experimental de tipo cuasi-experimental, se trabajó con una muestra de 370 imágenes dermatoscópicas de lesiones cutáneas sospechosas de melanoma, evaluando el rendimiento de los modelos mediante métricas de exactitud, precisión, sensibilidad y especificidad, los resultados mostraron una ...

El uso de redes neuronales convolucionales (CNN) en dermatología ha transformado el diagnóstico de melanoma, abordando la variabilidad interobservador y mejorando la precisión diagnóstica. Este artículo de revisión analiza cómo las CNN han demostrado ser eficaces al identificar lesiones cutáneas, incluidos los melanomas, rivalizando e incluso superando la precisión de los dermatólogos expertos. A través de la integración de grandes volúmenes de datos de imágenes dermatoscópicas, estas redes identifican patrones sutiles y características que mejoran la detección temprana y la precisión del diagnóstico. Se revisan múltiples arquitecturas de CNN, como ResNet, DenseNet, y EfficientNet, destacando su rendimiento superior en la clasificación precisa de melanomas. Además, se discuten factores influyentes como la selección de arquitecturas y técnicas de preprocesamiento d...