Servicio web para la clasificación de cáncer de piel usando redes neuronales

Abstract

El carcinoma de piel es el cáncer más común y su diagnóstico se realiza principalmente por un análisis visual. Inicialmente se realiza un análisis dermoscópico, una biopsia y un examen histopatológico. La clasificación automatizada del carcinoma de piel mediante imágenes es una tarea difícil debido a la variabilidad en la apariencia. Por ello, las redes neuronales convolucionals profundas tienen un potencial para este tipo de tareas generales y altamente variables. Para lograrlo, se desarrollará una plataforma web accesible, donde los usuarios enviarán imágenes de áreas cutáneas y se analizarán e identificaran las posibles zonas cancerígenas encontradas, ya sean benignas o malignas. Este análisis lo realizará una red neuronal convolucional profunda. Se usará el conjunto de datos ISIC que contiene imágenes clasificadas en benignas y malignas, también contiene otras clasificaciones como el tipo de lesión que presenta la imagen. Se realizará inicialmente un desarrollo de un modelo propio neuronal utilizando capasmconvolucionales. También se usaran redes pre-entrenadas como InceptionV3, VGG16 y VGG19. Se realizará un análisis preliminar, donde se podrá observar la precisión de cada una de estas redes neuronales. A continuación se evaluará la precisión de cada una de ellas para seleccionar la adecuada para realizar fine tunning y utilizar en el servicio web.

Skin cancer, the most common human malignancy, is primarily diagnosed visually, beginning with an initial clinical screening and followed potentially by dermoscopic analysis, a biopsy and histopathological examination. Automated classification of skin lesions using images is a challenging task due to the variability in appearance. Convolutional Neural Networks have a potential for such general and highly variable tasks. For this purpose, an accessible web platform will be developed, where users will send images of skin areas and the possible carcinogenic zones found will be analyzed and identified. This analysis will be performed by a deep convolutional neural network. We will use the ISIC dataset containing images classified as benign and malignant will be used, as well as other classifications such as the type of lesion presented in the image. Initially, a development of an own neuronal model using convolutional layers will be performed. Pre-trained networks such as InceptionV3, VGG16 and VGG19 will also be used. A preliminary analysis will be carried out, where the accuracy of each of these neural networks can be observed. The accuracy of each of these will then be evaluated to select the appropriate one for fine tuning and use in the web service.

El carcinoma de pell és el càncer més comú i el seu diagnòstic es realitza principalment per una anàlisi visual. Inicialment es realitza una anàlisi dermoscópic, una biòpsia i un examen histopatológic. La classificació automatitzada del carcinoma de pell mitjançant imatges és una tasca difícil a causa de la variabilitat en l'aparença. Per això, les xarxes neuronals convolucionals profundes tenen un potencial per a aquest tipus de tasques generals i altament variables. Per aconseguir-ho, es desenvoluparà una plataforma web accessible, on els usuaris enviaran imatges d'àrees cutànies i s'analitzaran i identifiquessin les possibles zones cancerígenas oposades, ja siguin benignes o malignes. Aquesta anàlisi ho realitzarà una xarxa neuronal convolucional profunda. S'usarà el conjunt de dades ISIC que conté imatges classificades en benignes i malignes, també conté altres classificacions com el tipus de lesió que presenta la imatge. Es realitzarà inicialment un desenvolupament d'un model propi neuronal utilitzant capasmconvolucionales. També s'usessin xarxes pre-entrenades com InceptionV3, VGG16 i VGG19. Es realitzarà una anàlisi preliminar, on es podrà observar la precisió de cadascuna d'aquestes xarxes neuronals. A continuació s'avaluarà la precisió de cadascuna d'elles per seleccionar l'adequada per realitzar fini tunning i utilitzar en el servei web.