2026-05-29T20:47:21Zhttps://riuma.uma.es/rest/oai/request

oai:riuma.uma.es:10630/204472026-02-03T10:25:55Zcom_10630_1685col_10630_38055

00925njm 22002777a 4500 dc García Ciudad, Javier author 2020-11-24 El cáncer de piel es el cuarto tipo de cáncer más común en el mundo, el primero en numerosos países y, además, se espera que su incidencia aumente en las próximas décadas. Gran parte de ellos presentan una mortalidad baja, pero una pequeña parte, los melanomas, tienen una mortalidad más elevada. Aún así, estos presentan una tasa de supervivencia cercana al 100% cuando es detectado en las primeras etapas. No obstante, el diagnóstico de estas lesiones es complicado ya que estas patologías no son fácilmente identi ficables visualmente, por lo que un sistema de redes neuronales convolucionales capaz de clasi ficar correctamente este tipo de lesiones a partir de imágenes sería de gran utilidad. En esta l nea, se ha desarrollado un clasi ficador basado en una red convolucional Efficient- NetB0, variando distintos parámetros de entrenamiento y de la misma red hasta alcanzar un modelo fi nal. Esta red es capaz de clasi ficar imágenes de 8 patologías principales, entre las que se encuentran los principales tipos de cáncer de piel entre otras enfermedades. Además consta de otra clase más que representa a todas las patologías no incluidas en las 8 anteriores, de forma que el modelo pueda reconocer cuándo una imagen es desconocida. En el trabajo nos hemos centrado en el comportamiento que presenta el modelo de cara a esta clase. Los resultados, aunque se deben tener en cuenta sus limitaciones, son positivos, tanto en general como especifica camente en la clase nombrada anteriormente: un 74% de precisión general y una sensibilidad del 66% para dicha clase. Pero sobre todo, demuestra que aunque haya margen de mejora es posible desarrollar un sistema de estas características, por lo que sería conveniente seguir investigando en esta dirección. https://hdl.handle.net/10630/20447 Ingeniería biomédica Imágenes en diagnóstico Cáncer de piel Informática - Trabajos Fin de Grado Grado en Ingeniería de la Salud - Trabajos Fin de Grado Clasificación de imágenes de lesiones cutáneas mediante redes neuronales convolucionales y aprendizaje profundo