Evaluación de modelos de redes neuronales convolucionales para la clasificación de lesiones cutáneas con melanoma

• Autor: Bustinza Salazar, Katia
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/8648
• Enlace del recurso: http://hdl.handle.net/20.500.12918/8648
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales convolucionales; Cancer de piel; Inceptión V3; Transferencia de aprendizaje; http://purl.org/pe-repo/ocde/ford#2.02.04

En el presente estudio, se considera como procedimiento clínico estándar el examen visual para la detección e identificación de lesiones cutáneas, el problema es que este procedimiento es muy subjetivo y puede llevar a diagnósticos incorrectos, aunque haya sido realizado por dermatólogos de mucha experiencia. Por esta razón se han propuesto diversos enfoques para la clasificación de lesiones cutáneas basadas en redes neuronales convolucionales basadas en transferencia de aprendizaje como apoyo al diagnóstico de cáncer de piel. El problema es que estas redes neuronales convolucionales pre entrenadas poseen diversas arquitecturas lo cual afecta su desempeño. Debido a esto el objetivo de esta investigación es evaluar los modelos basados en InceptionV3, MobileNetV2 y DenseNet201 para determinar los modelos más adecuados para clasificar imágenes de lesiones cutáneas con melanoma. Luego de los experimentos realizados con el conjunto de datos HAMM10000 se comprobó que el modelo basado en InceptionV3 presento una exactitud de 78.5% mientras que MobileNetV2 y DenseNet201 presentaron un 74.5% y 77.63% respectivamente. Sin embargo, debido al desbalance del conjunto de datos y utilizando la métrica Score F1 para evaluar los modelos se pudo verificar que el modelo basado en InceptionV3 se desempeñó mejor clasificando imágenes de las clases minoritarias.