Segmentación de lesiones de psoriasis mediante el uso de Redes Neuronales

Abstract

En la actualidad, el avance en el uso de técnicas elaboradas a través de inteligencias artificiales y herramientas automáticas en el ámbito tecnológico es una realidad cada vez más evidente. Ayudando en tareas complicadas u obteniendo unos resultados con gran rapidez y eficacia. En el entorno de la medicina un diagnóstico precoz puede suponer una gran ventaja en la lucha contra las patologías y enfermedades como la psoriasis, una enfermedad cutánea, que conformará la base de datos del proyecto. Este Trabajo de Fin de Grado (TFG) se enfoca en la comparativa de técnicas de segmentación aplicadas a imágenes médicas, centrándose específicamente en dos variedades de psoriasis la chronic plaque y la guttata. Se aborda la investigación del funcionamiento de un método semiautomático de segmentación mediante el software Fiji y se contrasta con un enfoque automático basado en el uso de dos redes neuronales convolucionales actuales XNET y UNET. El objetivo principal es realizar una comparativa exhaustiva de las técnicas de segmentación, evaluando su desempeño en términos de precisión, sensibilidad y especificidad. Este estudio contribuye a la comprensión de la aplicación de herramientas semiautomáticas y redes neuronales en el ámbito dermatológico, ofreciendo perspectivas valiosas para futuras investigaciones y aplicaciones clínicas en la identificación y tratamiento de la psoriasis. Para terminar, se exponen los resultados obtenidos después de aplicar cada tecnología, así como la comparativa entre ellos dando una comprensión de la aplicación de redes neuronales convolucionales en el ámbito dermatológico y cómo puede ayudar en futuras aplicaciones.

Currently, progress in the use of techniques developed through artificial intelligence and automatic tools in the technological field is an increasingly evident reality. Helping with complicated tasks or obtaining results very quickly and efficiently. In the medical field, early diagnosis can be a great advantage in the fight against pathologies and diseases such as psoriasis, a skin disease, which will form the project's database. This Final Degree Project (TFG) focuses on the comparison of segmentation techniques applied to medical images, specifically focusing on two varieties of psoriasis, chronic plaque and guttata. The investigation of the operation of a semi-automatic segmentation method using the Fiji software is addressed and it is contrasted with an automatic approach based on the use of two current convolutional neural networks XNET and UNET. The main objective is to carry out a comprehensive comparison of the segmentation techniques, evaluating their performance in terms of precision, sensitivity and specificity. This study contributes to the understanding of the application of semi-automatic tools and neural networks in the dermatological field, offering valuable perspectives for future research and clinical applications in the identification and treatment of psoriasis. Finally, the results obtained after applying each technology are presented, as well as the comparison between them, giving understanding convolutional neural networks in the dermatological field and how it can help in future applications.