Análisis de imágenes dermatoscópicas para el apoyo al diagnóstico médico

Abstract

[spa] Elmelanoma afecta, en España, a 9.7 de cada 100 000 habitantes, siendo responsable del 80%de las muertes de los tumores malignos de la piel, pese a representar solamente un 4% de este tipo de tumores. A su vez, el diagnóstico clínico de este se basa en el reconocimiento visual por parte de un dermatólogo, haciendo uso de distintos algoritmosmanuales desarrollados en el ámbito cínico para facilitar esta tarea. Pese a la conveniencia de estos algoritmos, la facilidad de pronóstico del melanoma aumenta con el espesor del tumor, pero, de la misma forma, se reduce el ratio de supervivencia. Esto lleva a un interés creciente en el desarrollo de soluciones para el procesamiento de imágenes con el fin de ayudar y completar la tarea del especialista. Podemos encontrar estudios relacionados con la clasificación automática de este tipo de lesiones desde 1987, ha sido gracias a los buenos resultados mostrados por estos que se ha promovido el uso de la visión industrial y el análisis computarizado. En este documento tratamos de introducirnos en el campo del reconocimiento y clasificación de las lesiones cutáneas pigmentadas, desarrollando los pasos necesarios para la construcción de las herramientas utilizadas por un sistema automatizado. Así pues, veremos el preprocesado de una base de datos de imágenes dermatoscópicas para eliminar ruido, la identificación y segmentación de la lesión, la extracción de un conjunto de características de esta lesión, la selección de un subconjunto de estas que permita reducir el coste computacional y mejorar el rendimiento del modelo o modelos desarrollados en el último paso, con el fin encontrar un clasificador capaz de distinguir lesiones consideradas melanomas de aquellas que no. A lo largo de todo este proceso, trataremos de exponer distintas alternativas y explorar la construcción de un sistema en función de sus ventajas e inconvenientes. Logrando, por un lado, desarrollar herramientas para la reducción del ruido de las imágenes a través de la eliminación del pelo y, por otra parte, entrenar un clasificador con un conjunto reducido de características y resultados satisfactorios.