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 artículo, se propone un enfoque novedoso de aprendizaje automático híbrido para identificar el melanoma en la atención 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, un modelo de aprendizaje profundo se entrena directamente a partir de píxeles crudos y etiquetas de imagen para la clasificación de lesiones cutáneas. Luego, basándose únicamente en la modelización de diversas características de los pacientes, se adopta un modelo XGBoost para predecir

• 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