Classificació d’imatges de càncer de pell mitjançant xarxes neuronals
Cita com:
hdl:2117/349134
Document typeBachelor thesis
Date2021-07-13
Rights accessOpen Access
Except where otherwise noted, content on this work
is licensed under a Creative Commons license
:
Attribution-NonCommercial-NoDerivs 3.0 Spain
Abstract
Skin cancer is a major public health issue with millions of cases diagnosed around the world. Melanoma is the most mortal form of skin cancer and causes the highest percentage of deaths. Although the mortality rate for melanoma is significant, when an early diagnosis is made more than the 95% of people survive. Therefore, a neural network image classification would be significantly helpful during diagnosis. Artificial neural networks have become a popular machine learning model due to the ability to make nonlinear and complex relationships between thousands of variables. In fact, on occasion convolutional neural networks pattern detection abilities surpass their human counterparts. The main objective of this thesis is to design a convolutional neural network which is able to distinguish melanoma from other skin lesions with a high rate of accuracy. Neural networks were trained and tested using images from HAM10000 dataset. Using a replicated factorial fractional design of experiments, we have realized the importance of balance in classification. Using different oversampling methods we have obtained a F1-score of 84% in the test data. As a result, we have demonstrated that it is possible to classify melanoma with greater precision. In fact, these results appear to be better than the usual results achieved through multi-class classification. Furthermore, we believe that with more computational capabilities better results could be reached El càncer de pell és un problema important de salut pública, amb milions de casos diagnosticat sarreu del món. El melanoma és la forma més mortal de càncer de pell, responsable de la immensa majoria de les morts per càncer de pell. Tot i que la mortalitat és significativa, quan es detecta precoçment, la supervivència del melanoma supera el 95%. És per aquest motiu que la classificació d'imatges mitjançant xarxes neuronals pot ser de gran ajuda per als diagnòstics.Les xarxes neuronals són un model d'aprenentatge automàtic molt utilitzat actualment per la seva capacitat d'establir relacions complexes i no lineals entre milers de variables, i arriben a superar-les capacitats humanes en detecció de patrons. L'objectiu principal d'aquest projecte és crear una xarxa neuronal convolucional capaç de distingir els melanomes entre diferents lesions cutànies amb gran precisió.Les xarxes neuronals han sigut entrenades i provades fent servir les imatges de la basede dades HAM10000. A partir d'un disseny d'experiments factorial fraccionat de 26-2 amb rèpliques s'ha obtingut el coneixement necessari per centrar-se en el balanceig de les classes en la classificació binària. S'ha obtingut una F1-score de 84% en el seu test. Aquests resultats demostren que és possible fer aquesta classificació amb gran precisió d'aquestes imatges dels melanomes. De fet, sembla que aquests resultats són millors que els que s'acostumen a obtenir mitjançant una classificació de múltiples classes i es creu que, amb més capacitats computacionals, es podria obtenir encara millors resultats
SubjectsMelanoma -- Classification -- Mathematical models, Computer vision in medicine, Neural networks (Computer science), Artificial intelligence -- Medical applications, Melanoma -- Classificació -- Models matemàtics, Visió per ordinador en medicina, Xarxes neuronals (Informàtica), Intel·ligència artificial -- Aplicacions a la medicina
DegreeGRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010)
Files | Description | Size | Format | View |
---|---|---|---|---|
tfg-memoria-ali-gerard-2021-06-17-vd.pdf | 5,511Mb | View/Open | ||
notebooks-tfg-ali-gerard.zip | 9,935Mb | application/zip | View/Open |