Work

Comparación de las arquitecturas Transformers y redes neuronales convolucionales para la detección temprana de melanoma: implementación de un modelo de redes neuronales convolucionales para la detección temprana de melanoma.

Year: 2026
Type: dissertation
Abstract: Identificar el melanoma en etapas iniciales resulta crucial para mejorar las tasas de supervivencia, dado que este es uno de los cánceres cutáneos más agresivos. En situaciones como la de Ecuador, donde los niveles de radiación ultravioleta son elevados y el acceso a instrumentos de apoyo diagnóstico es escaso, se hace imprescindible reforzar los métodos para detectar esta enfermedad en su fase inicial. En el presente trabajo se diseñó y evaluó un modelo de IA con redes neuronales convolucionales (CNN) para clasificar lesiones cutáneas en melanoma y no melanoma, como apoyo a la detección temprana de esta enfermedad, a partir de imágenes dermatoscópicas del repositorio público ISIC 2016-2020. Para la construcción del modelo se siguió la metodología CRISP-DM, comenzando con la comprensión del problema y finalizando con el despliegue del modelo. Los datos se preprocesaron eliminando imágenes duplicadas, aumentando los datos y equilibrando las clases para mejorar la generalización del modelo. Se entrenaron y compararon arquitecturas CNN preentrenadas mediante aprendizaje por transferencia, midiendo su rendimiento con métricas como exactitud, sensibilidad, F1-score y AUC. Finalmente, el modelo escogido fue incorporado en una aplicación web desarrollada bajo la metodología de prototipado, donde se pueden subir imágenes de lesiones en la piel y recibir una predicción con un nivel de confianza. Esta aplicación se desarrolló como una ayuda en el diagnóstico dermatológico para la detección temprana de esta enfermedad, sin reemplazar el juicio clínico.
Language: Spanish
Subfield: Oncology
Field: Medicine
Open Access status: green
OpenAlex ID: W7222908025
Cites: 19
Cited by:
Related to: 9