Optimización de una red neuronal convolucional para la detección de melanomas en imágenes dermoscópicas

Álvaro Díaz, Mario (2020). Optimización de una red neuronal convolucional para la detección de melanomas en imágenes dermoscópicas. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM).

Description

Title: Optimización de una red neuronal convolucional para la detección de melanomas en imágenes dermoscópicas
Author/s:
  • Álvaro Díaz, Mario
Contributor/s:
  • Gutiérrez Arriola, Juana María
Item Type: Final Project
Degree: Grado en Ingeniería de Sonido e Imagen
Date: 28 July 2020
Subjects:
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Ingeniería Telemática y Electrónica
Creative Commons Licenses: None

Full text

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

Abstract

El cáncer de piel de tipo melanoma se encuentra entre los cánceres con el mayor incremento del índice de mortalidad de las últimas décadas alrededor del mundo. Se trata de una lesión con un diagnóstico complicado, incluso para especialistas, debido a la disparidad de características físicas presentes entre lesiones del mismo tipo. Gracias al estado en que se encuentra hoy en día el campo de la computación y la inteligencia artificial, resulta viable la confección de sistemas de clasificación de imágenes y/o detección de objetos para la asistencia en el diagnóstico y clasificación de lesiones de piel, en especial, del tipo melanoma. Por tanto, el objetivo del presente proyecto será el desarrollo de un sistema de clasificación de lesiones de piel en imágenes dermoscópicas, utilizando como herramienta los conocimientos y avances en el campo de la inteligencia artificial, en especial, en el campo de las redes neuronales convolucionales. Para abordar el problema, en primer lugar, se lleva a cabo un proceso de investigación en el cual se estudian las diferentes arquitecturas de redes neuronales convolucionales más populares de las últimas décadas, así como su principales componentes, operaciones y algoritmos. Tras el análisis, se selecciona la arquitectura de red conocida como “EfficientNet”, propuesta en mayo de 2019 por dos miembros del equipo de “Google Brain”. Con esta arquitectura se logran resultados que superan a la mayoría de redes populares hasta la fecha a la vez que, se reduce el número de parámetros en factores comprendidos entre 4 y 8, lo cual resulta de interés debido a las limitaciones “hardware” presentes. En la siguiente fase, se recolectan y organizan los conjuntos de datos para efectuar el entrenamiento del sistema. En concreto, se utiliza el “Challenge 2019” del ISIC como fuente de datos única durante todas las fases del desarrollo. En este punto se aplican diferentes técnicas de procesamiento digital sobre los propios datos de entrenamiento y variaciones sobre los diferentes hiperparámetros de la red para estudiar el efecto de dichas operaciones en los resultados de cada uno de los sistemas generados. En todo momento se registran las características de los conjuntos de datos de entrenamiento y los hiperparámetros de la red de los sistemas generados para abordar el proceso de optimización y analizar en base a los resultados en la fase de evaluación, qué sistema es el que mejor rendimiento logra en la tarea de clasificación de lesiones de piel. Finalmente, el mejor de los modelos resulta de aplicar técnicas de “data augmentation” que incrementan el número de datos de entrenamiento en un factor de 8 (simetrías y volteos sobre imágenes con resolución 1:1), combinado con la arquitectura EfficientNet-B0 con una resolución de entrada de 400x400 y otras técnicas como “Dropout” y “Class balanced loss”.

More information

Item ID: 66778
DC Identifier: https://oa.upm.es/66778/
OAI Identifier: oai:oa.upm.es:66778
Deposited by: Mario Álvaro
Deposited on: 18 Apr 2021 06:34
Last Modified: 18 Apr 2021 06:34
  • 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