Redes neuronales convolucionales para la detección de cáncer de mama

Resumen

En los últimos años, junto al desarrollo tecnológico se ha producido un aumento en el desarrollo de soluciones basadas en Inteligencia Artificial en los ámbitos más cotidianos, permitiendo su inclusión en prácticamente todos los sectores, incluyendo el ámbito sanitario. Mediante el estudio y diseño de un modelo de identificación de objetos en imágenes basado en redes neuronales convolucionales se ha buscado crear una solución para el problema presente de la detección del carcinoma ductal invasivo, una de las variantes de cáncer de mama más frecuentes en nuestra sociedad. Con sistemas informáticos que incluyan este tipo de componentes inteligentes se podría pensar en herramientas computacionales que permitan ser un apoyo al trabajo de los oncólogos en la identificación temprana de este tipo de enfermedades, e incluso instaurar un servicio de doble validación en la que se tendrá en cuenta tanto el diagnóstico médico como la predicción del sistema inteligente. El modelo diseñado e implementado en este trabajo está basado en Redes Neuronales Profundas, más concretamente en el modelo de las convolucionales (CNN). Este modelo se ha entrenado y probado con un dataset público que contiene 277.524 imágenes correspondientes a parches de 50 x 50 píxeles pertenecientes a pruebas histológicas de tejido mamario visualizadas bajo microscopio, con 78.786 de ellas representando una mama que un tumor y 198.738 limpias. Este sistema alcanza aproximadamente un 90% de precisión en este sector, lo cual indica que estos sistemas son herramientas prometedoras.

Abstract:

In recent years, along with technological development, there has been an increase in the development of solutions based on Artificial Intelligence in the most everyday areas, allowing its inclusion in practically all sectors, including the healthcare sector. Through the study and design of a model for identifying objects in images based on convolutional neural networks, we have sought to create a solution for the current problem of detecting invasive ductal carcinoma, one of the most frequent variants of breast cancer in our society. With computer systems that include this type of intelligent components, it would be possible to think of computational tools that could support the work of oncologists in the early identification of this type of disease, and even establish a double validation service in which both the medical diagnosis and the prediction of the intelligent system would be taken into account. The model designed and implemented in this work is based on Deep Neural Networks, more specifically on the Convolutional Neural Networks (CNN) model. This model has been trained and tested with a public dataset containing 277,524 images corresponding to 50 x 50 pixel patches belonging to histological evidence of breast tissue visualised under a microscope, with 78,786 of them representing a breast than a tumour and 198,738 clean ones. This system achieves approximately 90% accuracy in this area, indicating that these systems are promising tools.