Categoria: Estudis i projectes

Nou acostament per a una classificació de la simetria de les lesions cutànies amb un model de deep learning

Tipografia
  • Més petit Petit Mitjà Gran Més gran
  • Per defecte Helvetica Segoe Georgia Times

El Grup SCOPIA amb membres de la Universitat de les Illes Balears i l'Institut d'Investigació Sanitària Illes Balears, i els Serveis de Dermatologia de l'Hospital Universitari Son Espases i l'Hospital Universitari Son Llàtzer han publicat un estudi sobre un nou acostament per a la classificació de la simetria de les lesions cutànies amb un model de deep learning.

Lidia Talavera-Martínez, Pedro Bibiloni i Manuel González-Hidalgo, investigadors del Grup SCOPIAAniza Giacaman i Luis Javier Del Pozo Hernando, dermatòlegs de l'Hospital Universitari Son Espases; i Rosa Taberner, dermatòloga de l'Hospital Universitari Son Llàtzer, han publicat l'article amb el títol "A novel approach for skin lesion symmetry classification with a deep learning model" a la revista Computers in Biology and Medicine.

El càncer de pell s'ha convertit en un problema de salut pública a causa de l'augment de la seva incidència. Però, el risc de malignitat de les lesions es pot reduir si es diagnostica a una etapa primerenca. Per això, és essencial identificar les característiques particulars com una simetria de les lesions. En aquest treball es presenta un nou acostament per a la simetria de la classificació de les lesions de la pell amb imatges dermoscòpiques basades en tècniques de deep learning.

S'utilitza un model CNN, el qual classifica la simetria d'una lesió a la pell ja sigui com "totalment asimètrica", "simètric respecte a un eix", o "simètric respecte a dos eixos". A més, s'afegeix un nou conjunt de dades d'etiquetes per 615 lesions de la pell. Durant el marc d'experimentació, també es va avaluar si era beneficiós confiar en l'aprenentatge per transferència de CNN preentrenades o amb els mètodes d'aprenentatge tradicional. Com a resultat, es presenta un nou procés de classificació senzilla, robusta i ràpida que supera als mètodes basats en els acostaments tradicionals o en xarxes preentrenades, amb una mitja ponderada de puntuació F1 del 64,5%.

Referència de l'article

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.

Enllaços Bibliosalut

 



Mètriques
AltmetricAltmetric

[Font: Bibliosalut]

[Foto: Hospital Universitari Son Llàtzer]