Detector automático de lesiones de piel en imágenes dermoscópicas con múltiples espacios de color y redes neuronales

Gil Lucía, Óscar (2020). Detector automático de lesiones de piel en imágenes dermoscópicas con múltiples espacios de color y redes neuronales. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM).

Description

Title: Detector automático de lesiones de piel en imágenes dermoscópicas con múltiples espacios de color y redes neuronales
Author/s:
  • Gil Lucía, Óscar
Contributor/s:
  • Gutiérrez Arriola, Juana María
Item Type: Final Project
Degree: Grado en Ingeniería de Sistemas de Telecomunicación
Date: 6 July 2020
Subjects:
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Ingeniería Telemática y Electrónica
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (3MB) | Preview

Abstract

En los últimos años el número de casos de cáncer de piel ha crecido paulatinamente en todo el mundo, aumentando así la necesidad de realizar una detección temprana del melanoma, el tipo de cáncer de piel con la mortalidad más alta. Por este motivo, es esencial la creación sistemas automáticos que permitan realizar diagnósticos rápidos y fiables. En este caso en particular, el sistema se basa en tres fases: pre-procesado, en la que se realizan una serie de mejoras cualitativas a la imagen; segmentación, en la que se delimita la lesión, reconociéndola y separándola del fondo de la imagen; y por último clasificación, en la que se identifica el tipo de lesión. Este proyecto se centra en la segunda fase, estableciendo como objetivo el diseño de un software capaz de efectuar la segmentación de la lesión de una fotografía mediante el uso de distintos espacios de color tales como: RGB, YCbCr, HSV, CIE L*a*b* y CIE XYZ. A su vez, se aplican a la capa azul dos pre-procesados distintos, por lo que la imagen original se descompone en un número total de 16 capas. En este caso se añaden los dos últimos espacios de color indicados, haciendo un estudio de los pre-procesados que aporten mejores resultados a cada una de las seis capas. En el caso del espacio de color XYZ se realiza un análisis de textura de la imagen con el propósito de diferenciar las distintas regiones de la misma e identificar así la lesión con un procedimiento alternativo. Además, en dicho programa se implementan redes neuronales que son entrenadas a partir de una base de datos de imágenes médicas procedentes de casos reales. Para elegir la capa que produce la mejor segmentación se extraen las características del objeto segmentado y del fondo. Con esas características se entrena una red neuronal que intenta predecir el grado de similitud del objeto segmentado con la segmentación hecha por un experto. Finalmente, se escogerá la segmentación de la capa que presente mayor similitud predicha. Por último, se ha realizado una sencilla interfaz gráfica de usuario, de modo que sea un programa fácil e intuitivo que permita a una persona experta en la materia realizar diagnósticos inmediatos, automáticos y precisos

More information

Item ID: 65166
DC Identifier: http://oa.upm.es/65166/
OAI Identifier: oai:oa.upm.es:65166
Deposited by: Óscar Gil Lucía
Deposited on: 03 Nov 2020 07:33
Last Modified: 03 Nov 2020 07:36
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM