Trabajo Fin de Grado
Análisis de los mapas de activación para el diagnóstico explicado de lesiones de la piel
Autor/es | Trujillo Artillo, Ignacio |
Director | Serrano Gotarredona, María del Carmen
Acha Piñero, Begoña |
Departamento | Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones |
Fecha de publicación | 2023 |
Fecha de depósito | 2023-08-29 |
Titulación | Universidad de Sevilla. Grado en Ingeniería de Tecnologías de Telecomunicación |
Resumen | El melanoma es un cáncer de piel, y la detección temprana a través de la dermatoscopia es
fundamental para mejorar la supervivencia. El uso de redes neuronales y el análisis de
imágenes dermatoscópicas ayuda a proporcionar ... El melanoma es un cáncer de piel, y la detección temprana a través de la dermatoscopia es fundamental para mejorar la supervivencia. El uso de redes neuronales y el análisis de imágenes dermatoscópicas ayuda a proporcionar diagnósticos más precisos, lo que contribuye a un mejor manejo de la enfermedad y una reducción considerable de la tasa de mortalidad. En este trabajo se realiza un algoritmo en python usando redes neuronales profundas (VGG-16) para la clasificación de lesiones de piel entre melanomas (maligna) y no melanoma (benigna). Para ello se usarán imágenes dermatoscópicas de la base de datos de ISIC 2020 para entrenar la red. Además, dará a la salida un mapa de activación de las zonas de la imagen que tienen mayor peso en la decisión del diagnóstico. Esto supone una explicación del diagnóstico obtenido además de una validación del funcionamiento del método. Con esto se pretende ayudar a los especialistas a realizar sus tareas debido al gran número de casos que están apareciendo en estos momentos. Melanoma is a skin cancer, and early detection through dermoscopy is critical to improve survival. The use of neural networks and dermoscopic image analysis helps to provide more accurate diagnoses, which contributes to ... Melanoma is a skin cancer, and early detection through dermoscopy is critical to improve survival. The use of neural networks and dermoscopic image analysis helps to provide more accurate diagnoses, which contributes to better disease management and a considerable reduction in the mortality rate. In this work, a Python algorithm using deep neural networks (VGG-16) is developed for the classification of skin lesions into melanoma (malignant) and non-melanoma (benign). For this, dermoscopic images from the ISIC 2020 database will be used to train the network. In addition, it will give the output an activation map of the areas of the image that have the greatest weight in the diagnostic decision. This involves an explanation of the diagnosis obtained as well as a validation of the performance of the method. This is intended to help specialists perform their tasks due to the large number of cases that are appearing at the moment. |
Cita | Trujillo Artillo, . (2023). Análisis de los mapas de activación para el diagnóstico explicado de lesiones de la piel. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla. |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
TFG4679_Trujillo Artillo.pdf | 2.016Mb | [PDF] | Ver/ | |