Resumen

El diagnóstico temprano del cáncer de piel maligno a partir de imágenes es una parte importante del proceso de tratamiento del cáncer. Uno de los principales objetivos de esta investigación es proponer una metodología de canalización para un óptimo diagnóstico asistido por ordenador de los cánceres de piel. El método consta de cuatro etapas principales. La primera etapa consiste en realizar un preprocesamiento basado en la reducción del ruido y la mejora del contraste. La segunda etapa consiste en segmentar la región de interés (ROI). Este estudio utiliza el kernel fuzzy C-means para la segmentación de la ROI. A continuación, se extraen algunas características de la región de interés y se utiliza una selección de características para elegir las mejores. Las características seleccionadas se inyectan en una máquina de vectores de apoyo (SVM) para la identificación final. Una parte importante de la contribución en este estudio es proponer una versión desarrollada de una nueva metaheurística, denominada algoritmo de optimización de redes neuronales, para optimizar ambas partes de la selección de características y el clasificador SVM. Los resultados de la comparación del método con 5 métodos del estado del arte mostraron la superioridad del enfoque frente a los demás.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:selección de características, proceso de tratamiento del cáncer, parte de características, diagnóstico de la piel, máquina de vectores de apoyo, cáncer de piel maligno, red neuronal nombrada, algoritmo de optimización de la red, región de interés, roi
• Keywords:features selection, cancer treatment process, part of features, diagnosis of skin, support vector machine, malignant skin cancer, named neural network, network optimization algorithm, region of interest, roi