Categoría: Estudios y proyectos

Nuevo acercamiento a la clasificación de la simetría de las lesiones cutáneas con un modelo de deep learning

Tipografía
  • Más pequeño Pequeño Mediano Grande Más Grande
  • Por defecto Helvetica Segoe Georgia Times

El Grupo SCOPIA con miembros de la Universidad de las Illes Balears y el Instituto de Investigación Sanitaria Illes Balears, y los Servicios de Dermatología del Hospital Universitario Son Espases y el Hospital Universitario Son Llàtzer han publicado un estudio sobre un nuevo acercamiento a la clasificación de la simetría de las lesiones cutáneas con un modelo de deep learning.

Lidia Talavera-Martínez, Pedro Bibiloni y Manuel González-Hidalgo, investigadores del Grupo SCOPIAAniza Giacaman y Luis Javier Del Pozo Hernando, dermatólogos del Hospital Universitario Son Espases; y Rosa Taberner, dermatóloga del Hospital Universitario Son Llàtzer, han publicado el artículo con el título "A novel approach for skin lesion symmetry classification with a deep learning model" en la revista Computers in Biology and Medicine.

El cáncer de piel se ha convertido en un problema de salud pública a causa del aumento de la su incidencia. Pero, el riesgo de malignidad de las lesiones se puede reducir si se diagnostica en una etapa temprana. Por esto, es esencial identificar las características particulares como una simetría de las lesiones. En este trabajo se presenta un nuevo acercamiento para la simetría de la clasificación de las lesiones de la piel con imágenes dermoscópicas basadas en técnicas de deep learning.

Se utiliza un modelo CNN, el cual clasifica la simetría de una lesión en la piel, ya sea como "totalmente asimétrica", "simétrica respecto a un eje", o "simétrico respecto a dos ejes". Además, se añade un nuevo conjunto de datos de etiquetas para 615 lesiones de la piel. Durante el marco de experimentación, también se evaluó si era beneficioso confiar en el aprendizaje por transferencia de CNN pre entrenadas o con los métodos de aprendizaje tradicional. Como resultado, se presenta un nuevo proceso de clasificación sencilla, robusta y rápida que supera a los métodos basados en los acercamientos tradicionales o en redes pre entrenadas, con una media ponderada de puntuación F1 del 64,5%.

Referencia del artículo

Talavera-Martínez L, Bibiloni P, Giacaman A, Taberner R, Hernando LJDP, González-Hidalgo M. A novel approach for skin lesion symmetry classification with a deep learning model. Comput Biol Med. 2022;145:105450. doi: 10.1016/j.compbiomed.2022.105450.

Enlaces Bibliosalut

 



Métricas
AltmetricAltmetric

[Fuente: Bibliosalut]

[Foto: Hospital Universitari Son Llàtzer]