Segmentación de lesiones de piel en imágenes dermoscópicas mediante redes neuronales profundas

López Martínez, Guillermo (2020). Segmentación de lesiones de piel en imágenes dermoscópicas mediante redes neuronales profundas. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Description

Title: Segmentación de lesiones de piel en imágenes dermoscópicas mediante redes neuronales profundas
Author/s:
  • López Martínez, Guillermo
Contributor/s:
  • Gutiérrez Arriola, Juana María
Item Type: Final Project
Degree: Grado en Ingeniería de Sistemas de Telecomunicación
Date: July 2020
Subjects:
Freetext Keywords: Imágenes dermoscópicas; Cáncer; Red neuronal convolucional
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 (1MB) | Preview
[img] Archive (ZIP) - Users in campus UPM only
Download (115kB)

Abstract

A día de hoy, el cáncer es una de las principales causas de muerte en el mundo. Este trabajo pondrá su atención en el melanoma, un cáncer que afecta a la piel. La principal herramienta que se tiene para luchar contra esta enfermedad es un diagnóstico precoz, ya que aumentará en gran medida las posibilidades de curación. El proyecto consistirá en la creación de una aplicación capaz de segmentar automáticamente una lesión de la piel (no todas las lesiones son melanomas), para que posteriormente se pueda proceder a la clasificación. Se utilizará la técnica del Deep Learning aplicada a la segmentación de imágenes que consistirá en el entrenamiento de una red neuronal. Se ha utilizado la red neuronal convolucional PSPNet mediante la introducción de las imágenes para entrenamiento obtenidas del International Skin Image Collaboration con su correspondiente segmentación hecha por un especialista. Para la medición de los resultados se ha utilizado el índice de correlación Jaccard. Este índice variará de 0 a 1, siendo 1 una segmentación perfecta. En un primer lugar, el resultado fue un índice Jaccard medio de 0,704. Tras este resultado se procedió a realizar una mejora en la que las segmentaciones que salían con múltiples formas diferenciadas debido a factores propios de la imagen original, se quedaban únicamente con su contorno más centrado, ya que es en el centro de la imagen donde por normalidad se va a encontrar la lesión. Después de realizar esta mejora, el resultado final ha sido de 0,721 lo que es considerado un buen resultado partiendo de la base de que se fijó como objetivo un umbral de 0,7 al principio de este proyecto. El lenguaje de programación utilizado ha sido Python y las librerías utilizadas han sido TensorFlow y Keras, ambas especializadas en el entrenamiento de redes neuronales. En primer lugar supuso un problema el tener que hacerlo en Python debido al desconocimiento de este lenguaje pero posteriormente ha sido un gran acierto debido a sus facilidades y a su sencillez. Se establece un presupuesto utilizado de 24.760 € y un presupuesto recomendado de 25.220 €. La diferencia entre ambos será la adquisición de una GPU superior a la utilizada en mi proyecto, que propiciaría una considerable bajada en los tiempos de ejecución de la aplicación, aspecto muy importante debido cantidad de horas que tarda la red en terminar el entrenamiento. Finalmente, la valoración del proyecto es buena, principalmente porque se cumple con los objetivos marcados en un principio y se establece como principal línea de mejora el realizar un preprocesado en las imágenes originales que permita subir el contraste entre las lesiones y la piel, aspecto identificado por el cual surgen la gran mayoría de las malas segmentaciones. Abstract: Today, cancer is one of the leading causes of death in the world. This paper will focus on melanoma, a cancer that affects the skin. The main tool to fight this disease is an early diagnosis, since it will greatly increase the chances of cure. The project will consist of the creation of an application capable of automatically segmenting a skin lesion (not all lesions are melanomas), so that classification can be carried out later. The Deep Learning technique applied to image segmentation will be used, which will consist of training a neuronal network. The PSPNet convolutional neural network has been used by introducing the training images obtained from the International Skin Image Collaboration with their corresponding segmentation made by a specialist. The Jaccard correlation index has been used to measure the results. This index will vary from 0 to 1, 1 being a perfect segmentation. At first, the result was an average Jaccard index of 0.704. After this result, an improvement was made in which the segmentations that came out with multiple differentiated shapes due to factors inherent to the original image, remained only with their more centered contour, since it is in the center of the image where the lesion will normally be found. After making this improvement, the final result was 0.721, which is considered a good result based on the fact that a threshold of 0.7 was set at the beginning of this project. The programming language used has been Python and the libraries used have been TensorFlow and Keras, both specialized in neural network training. In the first place it was a problem having to do it in Python due to the lack of knowledge of this language but later it has been a great success due to its facilities and its simplicity. It is established a used budget of 24,760 euros and a recommended budget of 25,220 euros. The difference between both will be the acquisition of a higher GPU than the one used in my project, which would lead to a considerable decrease in the application's execution times, a very important aspect due to the amount of hours it takes the network to finish the training. Finally, the evaluation of the project is good, mainly because it fulfills the objectives set at the beginning and it is established as the main line of improvement to perform a pre-processing in the original images that allows to increase the contrast between the lesions and the skin, aspect identified by which arise the vast majority of the bad segmentations.

More information

Item ID: 67278
DC Identifier: https://oa.upm.es/67278/
OAI Identifier: oai:oa.upm.es:67278
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 28 May 2021 16:10
Last Modified: 28 Jul 2021 22:30
  • 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