Resumen

El melanoma se define como una enfermedad incurable en estadios avanzados, lo que pone de manifiesto la importancia vital de un diagnóstico y un tratamiento a tiempo. Para diagnosticar precozmente este tipo de cáncer se han utilizado diversos métodos y equipos, casi todos los cuales requerían una visita al médico y no estaban al alcance del público. En este estudio, se presenta un proceso automatizado y preciso para diferenciar entre lesiones pigmentadas de la piel benignas y melanoma maligno, de modo que pueda ser utilizado por el público en general, y que no requiera equipos especiales ni condiciones especiales en la obtención de imágenes. En este estudio, tras el preprocesamiento de las imágenes de entrada, se segmenta la región de interés basándose en el método de Otsu. A continuación, se implementa una nueva extracción de características en la imagen segmentada para extraer las características beneficiosas. El proceso se finaliza utilizando una Red de Crecimiento Profundo (DBN) optimizada para la categorización en 2 clases de casos normales y de melanoma. El proceso de optimización en la DBN se ha llevado a cabo mediante una versión desarrollada del recién introducido algoritmo de Optimización de Intercambio Térmico (dTEO) para obtener una mayor eficacia en diferentes términos. Para demostrar la superioridad del método, su rendimiento se compara con 7 técnicas diferentes de la literatura.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:intercambio térmico introducido, tipo de cáncer, red deep believe, optimización del intercambio térmico, deep believe optimizado, región de interés, extracción de nuevas características, métodos otsu, dbn, diagnóstico oportuno
• Keywords:introduced thermal exchange, type of cancer, deep believe network, thermal exchange optimization, optimized deep believe, region of interest, new features extraction, otsu methods, dbn, timely diagnosis