Clasificador de tipos de cáncer de piel

Clasificador de tipos de cáncer de piel.

Gian Rivas1, Gustavo Atencia2, José Berrospi3, Jhonatan Berrospi4

  Resumen

El presente Proyecto tiene como propósito brindar a la población peruana una aplicación web gratuita con capacidad para clasificar dos tipos de cáncer de piel, para lo cual usamos una metodología basada en inteligencia artificial. Tomando un conjunto de 6000 muestras

proporcionada por la plataforma ISIC además de este añadimos 200 muestras entre benigno y maligno recolectado de diferentes clínicas de Pasco y Junín para el testeo del modelo, posteriormente realizamos la limpieza y preprocesamiento de datos para luego comenzar con el entrenamiento de las redes neuronales, estas fueron entrenadas con diferentes técnicas y parámetros, la primera es una red neuronal convolucional y a la segunda aplicamos transferencia de aprendizaje. La red convolucional simple alcanzó una precisión del 90% y la segunda red aplicando transferencia de aprendizaje mostró signos de overfitting alcanzando una precisión del 80%. elegimos el primer modelo para implementarla en una aplicación web. Concluyendo con el funcionamiento de la aplicación web para los usuarios registrados mediante una cuenta de Google y esta a su vez genera una etiqueta de identificación de cáncer.

Palabras clave: Clasificador, Cáncer, piel, web.

1. Objetivos del proyecto

Poner al servicio de la ciudadanía un clasificador de tipo de cáncer de piel completamente gratuito y de calidad con altos índices de precisión.

1. Planteamiento del problema

El Perú es de los países que tiene los índices de radiación solar más altas del mundo, siendo así la región de Pasco y Junín con los índices más altos de todo el país
pues el promedio general del índice de radiación en pasco es de 16 considerada extremadamente alta
senamhi (2021).

En 2012 el cáncer de piel fue el cuarto tipo de cáncer más frecuente con 7,9% y para el 2017 fue el segundo con 10,4%. Cada año se diagnostican más de 66000 casos nuevos y se estima que fallecen más de 32 000 personas por esta enfermedad
Huanca N( 2020)

En vista del crecimiento acelerado de casos de cáncer de piel vimos la oportunidad de aportar
con la detección temprana de cáncer de piel mediante la creación de un aplicativo web.

1. Justificación del proyecto.

La aplicación web usa conocimientos científicos sobre inteligencia artificial además de esta usa tecnologías como HTML, CSS, JAVA SCRIPT, TENSORFLOW para brindar un servicio gratuito a la población. Las características descritas son una fiel definición de desarrollo tecnológico.

1. Carácter novedoso del proyecto.

El desarrollo de este proyecto se basa fundamentalmente en dos novedosas características Redes neuronales (neuronal networks) y Servicio gratuito.

Una red neuronal es un modelo simplificado que emula el modo en que el cerebro humano procesa la información Funciona simultaneando un número elevado de unidades de procesamiento interconectadas que parecen versiones abstractas de neuronas.
las redes neuronales son un conjunto de algoritmos diseñados especialmente para reconocer patrones.

Si bien hay aplicativos que realizan la detección de cáncer de piel estos son de costos superiores a 5 euros y nuestra aplicación web será complemente gratuito.

1. Antecedentes.

Tejada Layme, Gonzales Chama (2020) En su tesis “Arquitectura de Red Neuronal Convolucional para Diagnóstico de Cáncer de Piel” busca Proponer una red neuronal Deep Learning para la detección de cáncer de piel, para ello empleó un método de carácter descriptivo. La población estuvo compuesta por las bases de datos de imágenes de cáncer de piel que se obtuvieron en
repositorios públicos de internet y su muestra fueron dos repositorios públicos para validar los datos. Finalmente, su modelo alcanzo una precisión del 95% demostrando la gran utilidad de esta tecnología para detectar cáncer de piel maligno o benigno.
Tejada G, Gonzales R (2020)

Rangel juan (2019) En su tesis “Sistema para pre-diagnosticar el cáncer de piel tipo melanoma”. Pretende desarrollar algortimos para pre-diagnosticar cáncer de piel procesando y clasificando imágenes de melanomas en benignos y malignos, para ello se basó en la metodologia de  prueba y error. Finalmente el modelo desarrollado alcanzó 99.40% sin metadatos, 99.54% con metadatos, 99.54% sin la piel, 94.89% con más imágenes y 100% con más capas e imágenes más pequeñas. Por otro lado, en la validación se observaron las siguientes salidas: el 64.00% sin metadatos, 80.50% con metadatos, 65.51% sin la piel, el 82.25% con más imágenes y 95% con más capas e imágenes más pequeñas. Finalmente concluye que la mejor técnica es cuando se agregaron metadatos en las imágenes y cuando se incrementó el número de capas reduciendo las imágenes.
Rangel (2019)

1. Resultados o productos.

 El conjunto de datos seleccionado para entrenar nuestro modelo ha sido de 6000 imágenes de cáncer de piel de Benigno y maligno del repositorio ISIC y otras 200 recolectada por nuestro equipo de trabajo. ISIC Es una plataforma que intenta aunar a los profesionales dermatológicos con el objetivo de luchar contra el cáncer de piel.

 



En primer lugar, se realiza la preparación de los datos como se muestra en la tabla 1.
Tabla 1
Distribución de los datos en conjuntos de entrenamiento, validación y testeo.

...