Redes neuronales convolucionales para la determinación de la profundidad del melanoma

Abstract

El melanoma, tumor maligno de piel, en la última década ha sufrido un notable aumento de su incidencia en todo el mundo, siendo el noveno tipo de cáncer más frecuente en mujeres y el onceavo en hombres. Este tumor es el cáncer de piel más mortal, debido a su tendencia a la metástasis y a la falta de tratamientos eficaces en etapas avanzadas del tumor. Por lo que es imprescindible la detección temprana de esta lesión, ya que es la única manera de combatir contra su avance. Las tareas de clasificación mediante inteligencia artificial son una herramienta revolucionaria que está en auge en nuestros días, por lo que debemos de usar esta herramienta para conseguir una fusión entre tecnología y medicina. Con este trabajo se pretende investigar sobre la clasificación del melanoma según su profundidad, ya que es el indicador de pronóstico más relevante para esta lesión. Para abordar esta tarea se ha hecho uso de herramientas de aprendizaje automático, mediante Redes Neuronales Convolucionales (CNN) capaces de detectar patrones en imágenes dermatoscópicas para concluir un diagnóstico temprano de las lesiones. Como resultado de este proyecto, se han llegado a resultados alentadores que podrían allanar camino hacia la detección temprana del estado del melanoma.

Melanoma, a malignant skin tumor, has undergone a notable increase in incidence worldwide in the last decade, being the ninth most frequent type of cancer in women and the eleventh in men. This tumor is the most deadly skin cancer, due to its tendency to metastasize and the lack of effective treatments in advanced stages of the tumor. Therefore, early detection of this lesion is essential, as it is the only way to combat its progression. The classification tasks through artificial intelligence are a revolutionary tool that is booming nowadays, so we must use this tool to achieve a fusion between technology and medicine. The aim of this work is to investigate the classification of melanoma according to its depth, since it is the most relevant prognostic indicator for this lesion. To address this task, use has been made of machine learning tools, using Convolutional Neural Networks (CNN) capable of detecting patterns in dermoscopic images to conclude an early diagnosis of the lesions. Encouraging results have been reached that could pave the way towards early detection of melanoma status.