Resumen

El melanoma se considera una de las malignidades humanas más peligrosas, que se diagnostica visualmente o mediante análisis dermoscópico y examen histopatológico. Sin embargo, dado que estos métodos tradicionales se basan en la experiencia humana e se implementan manualmente, han existido grandes limitaciones para su uso general en la práctica clínica actual. En este documento, se propone un novedoso enfoque híbrido de aprendizaje automático para identificar el melanoma en la atención de la salud de la piel en varios casos. El enfoque propuesto consta de métodos clásicos de aprendizaje automático, incluidas redes neuronales convolucionales (CNN), EfficientNet y aprendizaje automático supervisado XGBoost. En el enfoque propuesto, se entrena un modelo de aprendizaje profundo directamente a partir de píxeles brutos y etiquetas de imágenes para la clasificación de lesiones en la piel. Luego, basándose únicamente en la modelización de diversas características de los pacientes, se adopta un modelo XGBoost para predecir el cáncer de piel. A continuación, se desarrolla un sistema de diagnóstico que se compone del modelo de aprendizaje profundo y del modelo XGBoost para mejorar aún más la eficiencia y precisión de la predicción. A diferencia de los métodos basados en la experiencia y los métodos de aprendizaje automático basados únicamente en imágenes, el enfoque propuesto se desarrolla en base a la teoría del aprendizaje profundo y la ingeniería de características. Los experimentos muestran que el modelo híbrido supera a un solo modelo como el modelo tradicional de aprendizaje profundo o el modelo XGBoost. Además, las características basadas en datos pueden ayudar al enfoque propuesto a desarrollar una guía para el análisis de imágenes en otras aplicaciones médicas.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Melanoma; Aprendizaje automático; Cuidado de la piel; Modelo de aprendizaje profundo; Modelo XGBoost; Análisis de imágenes
• Keywords:Melanoma; Machine learning; Skin healthcare; Deep learning model; XGBoost model; Image analysis