Diseño de una Herramienta para la Clasificación de Imágenes de Cáncer de Piel en un Sistema Android

Abstract

El cáncer de piel pertenece a los diez tipos de cáncer más comunes que se registran en todo el mundo. Según la OMS, en 2020 se registraron más de un millón de casos nuevos de Melanoma (OMS, 2022). Esta es una preocupación latente, ya que su crecimiento continúa y su diagnóstico puede ser demorado, o en algunos casos, inexistente para personas carentes de un sistema de salud. En la actualidad, las redes neuronales permiten una clasificación de imágenes con gran probabilidad de éxito. Por esta razón, esta investigación se centra en diseñar una herramienta que permita clasificar imágenes dermatoscópicas a través de una aplicación en un sistema Android. Tomando como punto de partida el trabajo realizado por Diana Merchán y Helis Navarro (Merchán Vargas et al., 2021) se aplicó una técnica conocida como destilación del conocimiento (Knowledge Distillation) donde un modelo más pequeño (Student) aprende de uno más grande (Teacher). Esta técnica permitió comprimir el modelo y mantener su rendimiento. Se pasó de tener un rendimiento de 0.9332 a 0.9557 (puntuación F1-score) para la clasificación entre imágenes cancerígenas de tipo Benigno v.s Maligno. Además, se logró una compresión del 30.82x en términos de parámetros con respecto al modelo original. Estos resultados fueron obtenidos haciendo un ajuste fino en los hiperparámetros y seleccionando los mejores. De igual manera se replicó la metodología para un modelo de tres clases, pasando de un rendimiento de 0.7815 para el modelo Teacher a 0.8995 para el modelo Student. A su vez, se logró una compresión del 23.35x con respecto al modelo original. Finalmente, los dos mejores modelos correspondientes a cada tipo de entrada, fueron implementados en un sistema Android donde se puede tomar o cargar una foto y hacer su respectiva inferencia.