Video Experimental Relacionado
Updated: Feb 26, 2026
09:37
Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
3.0K
Mejora del diagnóstico de lesiones cutáneas: un enfoque híbrido que utiliza la combinación ortogonal de
Nasrin Rahmani1, Hossein Ebrahimnezhad1
1Department of Electrical and Computer Engineering, Sahand University of Technology, Tabriz, Iran.
Journal of medical signals and sensors
|February 25, 2026
Resumen
El aprendizaje automático ayuda al diagnóstico de la piel automatizado para la detección temprana de lesiones cutáneas. Ensemble Extra Trees logró una precisión del 97,31 %, mejorando la atención al paciente dermatológico.
Área de la Ciencia:
- Dermatología
- Imágenes Médicas
- Aprendizaje Automático
Sus antecedentes:
- El aumento de la riqueza mundial y las expectativas de atención médica impulsan la demanda de servicios.
- Los sistemas de atención médica enfrentan presiones, lo que requiere soluciones de diagnóstico eficientes.
- El diagnóstico temprano de lesiones cutáneas es crucial para un tratamiento eficaz y los resultados de los pacientes.
Objetivo del estudio:
- Desarrollar un modelo de aprendizaje automático (ML) para el diagnóstico automatizado de lesiones cutáneas.
- Centrarse en la detección temprana de lesiones cutáneas para mejorar la atención al paciente.
- Clasificar ocho tipos diferentes de lesiones cutáneas.
Principales métodos:
- Se utilizaron modelos de mezcla gaussiana (GMM) con características geométricas para la eliminación de artefactos de imagen.
- Se empleó un descriptor de color basado en patrones binarios locales ortogonales híbridos para la caracterización de lesiones.
- Se aplicó la selección de características ReliefF para identificar características diagnósticas clave.
- Se evaluaron múltiples modelos de ML, incluidos Decision Tree, Random Forest, k-NN, MLP y Ensemble Extra Trees (ET).
Principales resultados:
- Ensemble Extra Trees (ET) demostró un rendimiento superior en la clasificación de lesiones cutáneas.
- Se logró una alta tasa de precisión del 97,31 % con el modelo ET.
- Las características seleccionadas contribuyeron significativamente a una clasificación precisa.
Conclusiones:
- El enfoque de ML desarrollado mejora el diagnóstico temprano de lesiones cutáneas.
- Este avance mejora la calidad de la atención al paciente dermatológico.
- El diagnóstico automatizado ofrece una solución potencial a las crecientes demandas de atención médica.
