Diseño de una Herramienta para la Detección de Imágenes de Cáncer de Piel Usando Redes Neuronales Profundas (DNN).
No Thumbnail Available
Date
2024-05-22
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
En el presente proyecto se realizo la implementación de un sistema embebido prototipo capaz de clasificar imágenes obtenidas por medio de una cámara. En primer lugar, se seleccionó la base de datos que se iba a trabajar teniendo en cuenta que existieran los suficientes datos para que no se presente overfitting ni underfitting, a grosso modo la base de datos más completa es la HAM10000. Para cumplir con el objetivo principal, se analizaron varias topologías base tales como la Resnet50, la MobileNetV2, la InceptionV2 y la EfficientnetV2 que se aplicaron a tres diferentes modelos en dónde se modificó la cantidad y el tipo de capas, las dimensiones de salida, la cantidad de filtros, el valor del dropout, la función de activación, los regularizadores, la cantidad de clases a clasificar, el tipo de validación, entre otros. Después de obtener los resultados se seleccionó la EfficientnetV2 porque tenía el mayor rendimiento. A esta topología se le aplicó la técnica del aprendizaje contrastivo, que busca crear representaciones para discriminar las características que presentan similitudes y diferencias. El modelo final obtuvo un valor de rendimiento superior al 80%. Sin embargo, debido a la disminución de la calidad de la imagen por el uso de OpenCV, se modificó la forma en que se cargaba la base de datos en el algoritmo para que no se viera afectada la eficiencia. Se implementó la topología base seleccionada en la Raspberry pi 4 y se utiliza una cámara Logitech Brio para realizar la detección de imágenes. El sistema cuenta con una interfaz sencilla y amigable con el usuario, que permite interactuar fácilmente con el modelo clasificador.
Description
Keywords
DNN, REDES, CANCER DE PIEL, DEEP LEARNING, DETECCION DE IMAGENES