Esta es un versión antigua publicada el 2023-07-19. Consulte la versión más reciente.

IDENTIFICACIÓN AUTOMÁTICA DE CÁNCER DE PIEL APLICANDO MACHINE LEARNING

Autores/as

  • Anderson Smith Florez Fuentes Universidad de Guanajuato
  • Rafael Guzmán Cabrera Universidad de Guanajuato
  • Everardo Vargas Rodriguez Universidad de Guanajuato

DOI:

https://doi.org/10.24054/rcta.v2i40.2350

Palabras clave:

Cáncer de piel, Machine learning, procesamiento, data

Resumen

En la actualidad la implementación del machine learning en la medicina, especial en la oncología, se ha convertido en una herramienta clave para la detección de malformaciones, infecciones, problemas cardiacos, cáncer, entre otros, anomalías del cuerpo humano qué al aplicar aprendizaje automático, estos procesos se convierten en herramientas que fortalecen el diagnóstico médico. En este trabajo se presenta una revisión de la literatura y los resultados obtenidos de una implementación en Python para llevar a cabo la clasificación de imágenes médicas con presencia de cáncer de piel. Se utilizaron cuatro métodos de aprendizaje distintos: máquinas de vectores de soporte, vecinos más cercanos, redes neuronales y árboles de decisión. Se utilizó la base de datos HAM10000, la cual contiene imágenes médicas manualmente etiquetadas, lo que asegura que el proceso de entrenamiento sea efectivo. En la implementación de una muestra balanceada, la que permite demostrar la eficiencia de la implementación realizada en la identificación del cáncer de piel, esta implementación tiene una gran variabilidad en los resultados, alcanzando valores cercanos al 100% de precisión en algunos casos.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2023-05-02 — Actualizado el 2023-07-19

Versiones

Cómo citar

Florez Fuentes, A. S., Guzmán Cabrera, R., & Vargas Rodriguez, E. (2023). IDENTIFICACIÓN AUTOMÁTICA DE CÁNCER DE PIEL APLICANDO MACHINE LEARNING. REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA (RCTA), 2(40). https://doi.org/10.24054/rcta.v2i40.2350 (Original work published 2 de mayo de 2023)