Detección de carcinoma basocelular utilizando red neuronal convolucional y Support Vector Machine

• Autor: Angeles Rojas, Jorge Alexander
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/18365
• Enlace del recurso: https://hdl.handle.net/20.500.12672/18365
• Nivel de acceso: acceso abierto
• Materia: Sistemas de identificación de modelos; Máquinas de soporte vectorial; Carcinoma basocelular; Piel - Cáncer – Diagnóstico; https://purl.org/pe-repo/ocde/ford#2.02.03; https://purl.org/pe-repo/ocde/ford#2.02.04

El cáncer de piel es uno de los tipos de cáncer más frecuente en los seres humanos, abarca cerca de un tercio total de las neoplasias. Dentro del cáncer de piel encontramos al carcinoma basocelular (CBC) siendo este el tipo de cáncer más frecuente a nivel mundial. Una serie de estudios que involucran enfoques de aprendizaje profundo ya se han desempeñado en un número considerable como la clasificación de imágenes. Los modelos utilizados en dichas tareas emplean la función Softmax (modelo clásico) en la capa de clasificación. Sin embargo, se han realizado estudios que utilizan una alternativa a la función Softmax para la clasificación: la máquina de vectores de soporte (SVM). El uso de SVM en una arquitectura de red neuronal artificial produce resultados relativamente mejores que el uso de la función Softmax convencional. Por este motivo se construyó un sistema que diagnostica el carcinoma basocelular implementando un modelo híbrido de red neuronal convolucional y máquina de vectores de soporte para clasificar el CBC. Los resultados obtenidos fueron medidos con las métricas de precisión, recall, f1-score y exactitud obteniendo 94.51%, 88.42%, 91.36% y 91.54% respectivamente.