Implementación de un sistema de detección temprana de melanoma utilizando redes neuronales convolucionales

Rivera Chicaiza, Diego Alexis

2020-02-17

Rivera Chicaiza, D. A. (2020). Implementación de un sistema de detección temprana de melanoma utilizando redes neuronales convolucionales. 58 hojas. Quito : EPN.
T-IE/5025/CD 10289

Descargar documento

La detección temprana del melanoma es crucial para evitar muertes por cáncer de piel, pero solo con los avances recientes de arquitecturas de redes neuronales convolucionales profundas, como MobileNet, es posible crear un sistema lo suficientemente confiable para detectar al melanoma, que se puede implementar en entornos con recursos limitados como teléfonos móviles o sistemas integrados. Con este objetivo, este trabajo evalúa el desempeño de la implementación de un sistema de reconocimiento temprano de melanoma utilizando MobileNet entrenado con la base de datos HAM10000. Además, se explica en detalle dos estrategias para mejorar la tarea de clasificación del melanoma, es decir, el aumento de datos en un conjunto de datos desbalanceado y un enfoque multiclase para abordar un problema de clasificación binaria. Los resultados numéricos en términos de métricas AUC y curvas ROC corroboran la validez de nuestro modelo. El rendimiento del modelo propuesto también se compara con el rendimiento del promedio dermatológico. Adicionalmente, se implementa una interfaz interactiva con el usuario capaz realizar predicciones en tiempo real. Finalmente, en base a los resultados obtenidos de las métricas de rendimiento, se concluye que el modelo posee un buen rendimiento, y es capaz de predecir correctamente la afección en la gran mayoría de los casos de análisis.

Early detection of melanoma is crucial to avoid skin cancer deaths, but only with the recent advances of deep convolutional neural networks architectures, such as MobileNet, it is possible to create a reliable enough system to detect melanoma, that can be implemented on resource constrained environments such as mobile phones or embedded systems. With this aim, this work assesses the performance of the implementation of an early melanoma recognition system using MobileNet trained from the HAM10000 database. Besides, we explain in detail two strategies to improve melanoma classification task, i.e., data augmentation on an unbalanced dataset and a multiclass approach to address a binary classification problem. Numerical results in terms of AUC metric and ROC curves corroborate the validity of our model. The performance of the proposed model is also compared to the average dermatologist performance. Additionally, an interactive interface with the user capable of real-time predictions is implemented. Finally, based on the results obtained from the performance metrics, we conclude that the model has a good performance, and it is able to correctly predict the condition in the vast majority of analysis cases.

Grijalva Arévalo, Felipe Leonel, director

RED NEURONAL; PROCESAMIENTO DIGITAL; APRENDIZAJE;