Clasificación Automatizada de Lesiones Cutáneas Utilizando un Ensamble de Redes Neuronales Profundas en ISIC 2018: Análisis de Lesiones Cutáneas hacia el Desafío de Detección de Melanoma

En este trabajo, estudiamos exhaustivamente diferentes métodos basados en aprendizaje profundo para detectar melanoma y cánceres de lesiones cutáneas. El melanoma, una forma de cáncer de piel, es muy amenazante para la salud. Un diagnóstico adecuado en una etapa temprana es crucial para la tasa de éxito de una cura completa. Las imágenes con formas benignas y malignas de cáncer de piel pueden ser analizadas por un sistema de visión por computadora para simplificar el proceso del cáncer de piel. En este estudio, experimentamos con diversas redes neuronales y modelos recientes basados en aprendizaje profundo como PNASNet-5-Large, 2, SENet154, InceptionV4. Las imágenes dermatoscópicas son adecuadamente procesadas y aumentadas antes de introducirlas en la red. Probamos nuestro sistema en el desafío de la Colaboración Internacional de Imágenes de Piel (ISIC) 2018. Nuestro sistema ha logrado la mejor puntuación de validación de 0.76 para el modelo -5-Large. Una mejora y optimización adicional de lo propuesto con un conjunto de datos de entrenamiento más grande y parámetros hiper-optimales cuidadosamente elegidos mejora el rendimiento. El código está disponible para descarga en: //github.com/miltonbd/ISIC2018classification.