Diagnóstico de lesiones cutáneas impulsado por IA utilizando el algoritmo de optimización de ballenas ResNet 50...

Área de la Ciencia:

• Dermatología
• Ciencias de la computación
• Inteligencia artificial

Sus antecedentes:

• La clasificación binaria de las lesiones cutáneas es crucial para la detección temprana del cáncer.
• Los modelos de aprendizaje profundo como ResNet-50 son prometedores, pero requieren optimización para la precisión clínica y la eficiencia.

Objetivo del estudio:

• Mejorar el rendimiento del modelo ResNet-50 para la clasificación binaria de las lesiones cutáneas.
• Para optimizar los hiperparámetros ResNet-50 utilizando el algoritmo de optimización de ballenas (WOA).

Principales métodos:

• Se compararon cinco arquitecturas de red neuronal convolucional (CNN): AlexNet, GoogleNet, VGG16, ResNet-50 y ResNet-50 optimizado para WOA.
• Modelos entrenados en un conjunto de datos equilibrado de 3.600 imágenes dermatoscópicas (1.800 benignas, 1.800 malignas).
• Hiperparámetros optimizados de ResNet-50 (tasa de aprendizaje, pesos, sesgo) utilizando WOA y rendimiento evaluado utilizando precisión, precisión, recuerdo, puntuación F1, MCC, pérdida de registro, AUC-ROC y tiempo de inferencia.

Principales resultados:

• El ResNet-50 optimizado para WOA logró una precisión del 98.29%, superando al ResNet-50 estándar (90.13%) y otros CNN.
• El modelo optimizado demostró un recuerdo superior (99,31%), especificidad (97,07%) y AUC-ROC (99,84%).
• Se logró un tiempo de inferencia más rápido (0.1488s) en comparación con ResNet-50 estándar (1.029s) con errores mínimos de clasificación.

Conclusiones:

• ResNet-50 optimizado para WOA mejora significativamente la precisión, el recuerdo, la especificidad y la eficiencia computacional en la clasificación de lesiones cutáneas.
• Este enfoque ofrece un rendimiento predictivo superior y una inferencia rápida, ayudando al diagnóstico dermatológico y a la toma de decisiones clínicas.
• El trabajo futuro podría extender este método a la clasificación de varias clases y a los sistemas de imágenes médicas en tiempo real.