INTELIGENCIA ARTIFICIAL EN LA DETECCIÓN DE MELANOMAS
Palabras clave:
inteligencia artificial, melanoma, cáncer de piel, redes neuronales, datasetsResumen
En vista que se ha abierto el campo de la inteligencia artificial en la detección de melanoma, este trabajo de investigación se realiza con el objetivo de intentar aportar un grano de arena a este ámbito, cabe mencionar que el cáncer de piel tipo melanoma es de los más agresivos en cuanto a mortalidad y la mejor forma de combatirlo es mediante su detección temprana. Se implementaron cinco modelos predictivos, cuatro basados en redes neuronales convolucionales CNN, y uno bajo la arquitectura Vision Transformer ViT, todos estos modelos se entrenaron con datasets armados a partir de imágenes dermatoscópicas obtenidas del sitio web oficial de la plataforma ISIC que promueve la implementación de la inteligencia artificial para la lucha contra el cáncer de piel. Los resultados obtenidos no fueron los esperados, sin embargo, se exponen las posibles causas y se proyecta una línea de trabajo futuro.
Descargas
Citas
E. Mezquita, “Detección de melanomas con inteligencia artificial,” Diario Médico, p. 12, 13 Enero 2014.
American Cancer Society, “¿Qué avances hay en las investigaciones sobre el cáncer de piel tipo melanoma?,” 14 Agosto 2019. [En línea]. Available: https://www.cancer.org/es/cancer/cancer-de-piel-tipo-melanoma/acerca/nuevas-investigaciones.html#escrito_por.
C. Marín, G. H. Alférez, J. Córdova y V. González, “Detection of melanoma through image recognition and artificial neural networks,” IFMBE Proceedings, vol. 51, pp. 832-835, 7-12 Junio 2015.
A. Adegun y S. Viriri, “Deep learning techniques for skin lesion analysis and melanoma cancer detection: a survey of state-of-the-art,” Artificial Intelligence Review, 27 Junio 2020.
J. J. Rangel-Cortes, J. S. Ruiz-Castilla, F. García-Lamont y J. Cervantes-Canales, “Redes Neuronales Convolucionales en la identificación de melanomas benignos y malignos,” Revista Ibérica de Sistemas e Tecnologias de Informação, nº E23, pp. 15-27, Octubre 2019.
S. Abhinav y J. Dheeba, “Convolutional Neural Network for Classifying Melanoma Images,” 2020.
C. Yu, S. Yang, W. Kim, J. Jung, K.-Y. Chung, S. W. Lee y B. Oh, “Acral melanoma detection using a convolutional neural network for dermoscopy images,” PloS ONE, vol. 13, nº 3, p. e0193321, 24 Abril 2018.
S. Nasiri, J. Helsper, M. Jung y M. Fathi, “DePicT Melanoma Deep-CLASS: a deep convolutional neural networks approach to classify skin lesion images,” BMC Bioinformatics, vol. 21, nº 84, 11 Marzo 2020.
M. S. S. Mahecha, O. J. S. Parra y J. B. Velandia, “Design of a System for Melanoma Detection Through the Processing of Clinical Images Using Artificial Neural Networks,” Challenges and Opportunities in the Digital Era, vol. 11195, pp. 605-616, 12 Octubre 2018.
A. M. Alqudah, H. Alquraan y I. A. Qasmieh, “Segmented and non-segmented skin lesions classification using transfer learning and adaptative moment learning rate technique using pretrained convolutional neural network,” Journal of Biomimetics, Biomaterials and Biomedical Engineering, vol. 42, pp. 67-78, 2019.
H. El-Khatib, D. Popescu y L. Ichim, “Deep learning-based methods for automatic diagnosis of skin lesions,” Sensors, vol. 20, nº 6, p. 1753, 2020.
J. A. Almaraz-Damian, V. Ponomaryov, S. Sadovnychiy y H. Castillejos-Fernandez, “Melanoma and nevus skin lesion classification using handcraft and deep learning feature fusion via mutual information measures,” Entropy, vol. 22, nº 4, p. 484, 2020.
Q. Yuan y S. Tavildar, “An open solution to ISIC 2018 classification and segmentation challenges,” 2018.
D. Hao, J. Y. Seok, D. Ng, N. K. Yuan y F. M, “ISIC Challenge 2018,” 2018.
M. Molina-Moreno, I. González-Díaz y F. Díaz-de-María, “An elliptical shape-regularized convolutional neural network for skin lesion segmentation,” 2018.
S. Zhou, Y. Zhuang y R. Meng, “Multi-category skin lesion diagnosis using dermoscopy images and deep CNN ensembles,” 2019.
A. G. C. Pachecoa, A. R. Alib y T. Trappenber, “Skin cancer detection based on deep learning andentropy to detect outlier samples,” 2019.
V. Chouhan, “Skin lesion analysis towards melanoma detection with deep convolutional neural network,” 2019.
T. Dat, D. T. Lan, T. T. H. Nguyen, T. T. N. Nguyen, H. P. Nguyen, L. Phuong y T. Z. Nguyen, “Ensembled skin cancer classification (ISIC 2019 challenge submission),” 2019.
P. Zhang, “MelaNet: a deep dense attention network for melanoma detection in dermoscopy images,” 2019.
J. Xing, C. Zeng, H. Yangwen, W. Tao, Y. Mao, S. Wang, Y. Zheng y R. Wang, “Open-set recognition of dermoscopic images with ensemble of deep convolutional networks,” 2019.
Z. M. Yousef y H. Motahari, “Skin lesion analysis towards melanoma detection using softmax ensemble model and sigmoid ensemble model,” 2019.
S. Cohen y N. Shimoni, “TTA meta learning for anomaly detection on skin lesion,” 2019.
