Detección de melanomas a partir de imágenes dermatoscópicas
Cargando...
Fecha
Fecha
2018-12-13
Director
Título de la revista
ISSN de la revista
Título del volumen
Editor
Compartir
Citar documento
Cruz Mahecha, María Fernanda; Vargas Martínez, María Fernanda (2018). Detección de melanomas a partir de imágenes dermatoscópicas. https://hdl.handle.net/11349/14814
Gestores bibliográficos
Altmetric
El indicador aparece cuando Altmetric registra menciones para este documento.
Documentos PDF
Resumen
The possibility of surviving melanoma skin cancer is greater if it is detected and diagnosed early. Therefore, this project presents the development of a tool based on image processing, capable of classifying lesions from dermoscopic images. The project was divided into three stages: segmentation, feature extraction and classification. At segmentation stage the Otsu and semantic segmentation methods were implemented with morphological operators as a post-processing stage to enhance the results. From the segmented images, a histogram of 250 visual words was obtained from the most representative images of each class using descriptors of color and shape. Finally, an SVM classifier with a maximum precision of 78% was obtained using the HSV color space and a Gaussian kernel.
Descripción
La posibilidad de sobrevivir al cáncer de piel tipo melanoma es mayor si se detecta y diágnostica en etapas tempranas. Por ello, este proyecto presenta la elaboración de una herramienta basada en el procesamiento de imágenes, capaz de clasificar las lesiones a partir de imágenes dermatoscópicas. El proyecto se dividió en tres etapas: segmentación, obtención de características y clasificación. Para la segmentación se implementaron el método de Otsu, la segmentación semántica y operadores morfológicos para determinar el área correspondiente a la lesión. A partir de las imágenes segmentadas, se obtuvo un histograma de 250 palabras visuales de las imágenes más representativas de cada clase utilizando descriptores de color y forma; por último, se entrenó un clasificador SVM con el cual se obtuvo una precisión máxima del 78%, siendo los mejores resultados correspondientes al uso del espacio de color HSV e implementando un clasificador con kernel Gaussiano.