Clasificación de imágenes médicas con técnicas de "Deep Learning"

Abstract

En el campo de la medicina, así como en muchas otras disciplinas, se han realizado una gran cantidad de avances gracias a la Ingeniería Informática. En estos últimos años, han surgido numerosas nuevas técnicas que permiten mejorar los diagnósticos de diferentes maneras, así como también los tratamientos y el seguimiento de diferentes enfermedades. Este trabajo se centra en la mejora de la emisión de diagnósticos conseguida mediante el campo de la Inteligencia Artificial. En algunas enfermedades, emitir un diagnóstico de forma rápida es crucial, siendo necesario esto para que sea tratada correctamente y con el menor número de secuelas posibles. Dentro de estas enfermedades se enmarca el cáncer de piel provocado por melanomas. Así, el proyecto que aquí se presenta pretende ayudar al diagnóstico temprano de dicha dolencia mediante la automatización del análisis de imágenes, además de intentar superar algunas de las dificultades que presenta este proceso, de forma que pueda suponer un apoyo a los profesionales del sector ahorrando tiempo y haciendo el proceso más eficiente. Para esta tarea se han desarrollado diferentes modelos de Inteligencia Artificial, basándose en Deep Learning y, dentro de este, en redes neuronales convolucionales. Durante el desarrollo del proyecto se ha empleado una metodología de Data Science (Ciencia de Datos). Esta metodología es ampliamente utilizada en proyectos que conlleven realizar un modelo basado en Inteligencia Artificial. En términos generales, consiste en comprender el problema, extraer los datos que van a ser utilizados, procesarlos de forma que sean utilizables para el proyecto, y clasificarlos en función de la variable deseada. Una vez realizados dichos pasos, se crea un modelo al que se le dará como entrada dichos datos, y por último se evaluarán, analizarán y observarán los resultados obtenidos con dicho modelo. Esta metodología es iterativa, permitiendo volver a una fase anterior para ser mejorada en cualquier momento. Por último, tras finalizar el mencionado análisis de resultados sobre los modelos finales, se sacarán las debidas conclusiones y se propondrán mejoras para realizarse en un trabajo futuro.