Aplicación móvil basada en redes neuronales convolucionales para apoyar la identificación de melanoma en pescadores de Pimentel

Abstract

En el presente estudio se desarrolló una aplicación móvil basada en redes neuronales convolucionales para el apoyo en la identificación de melanoma en pescadores de la sociación Pimenteleña en Caballito de Totora. Para el logro del objetivo principal, se realizó la evaluación de 3 arquitecturas de redes neuronales convolucionales basándose en sus principales métricas de rendimiento en el conjunto de datos de imágenes de ISIC 2019 Challenge, contando al final con 27,132 imágenes, que fueron debidamente distribuidas durante el proceso de entrenamiento, siendo Resnet152V2, el modelo óptimo obteniendo un 92.3% de exactitud. En cuanto a la validación del modelo generado, se obtuvieron los resultados de 88.8%, 95.48% y 89.53% en las métricas de precisión, sensibilidad y especificidad respectivamente. Para el proceso de validación de la aplicación móvil se utilizó el modelo de aceptación tecnológica TAM, en la que se encuestaron a 35 personas de la asociación, obteniendo una valoración promedio de 87.25% de facilidad de uso, y un 94.75% de utilidad percibida, también se realizó una validación mediante un cuestionario de juicio de expertos, en la que se encuestó a 3 dermatólogos especialistas, de los cuales el 33.33% consideró estar de acuerdo y el 66.67% completamente de acuerdo en que la aplicación apoyaría eficazmente la identificación de posibles casos de melanoma. Asimismo, para el despliegue del modelo se utilizó Python y TensorFlow Lite y para la integración de toda la aplicación se utilizó Scrum con una duración de 3 sprints, utilizando el lenguaje de programación Kotlin.

In the present study, a mobile application based on convolutional neural networks was developed to support the identification of melanoma in fishermen from the Pimenteleña Association in Caballito de Totora. To achieve the main objective, 3 convolutional neural network architectures were evaluated based on their main performance metrics on the ISIC 2019 Challenge image dataset, with 27,132 images at the end, which were properly distributed during the training process, with Resnet152V2 being the optimal model, obtaining 92.3% accuracy. Regarding the validation of the generated model, the results of 88.8%, 95.48% and 89.53% were obtained in the precision, sensitivity and specificity metrics respectively. For the validation process of the mobile application, the technological acceptance model TAM was used, in which 35 people from the association were surveyed, obtaining an average rating of 87.25% for ease of use, and 94.75% for perceived usefulness. A validation was also carried out using an expert judgment questionnaire, in which 3 specialist dermatologists were surveyed, of which 33.33% considered themselves to be in agreement and 66.67% completely agreed that the application would effectively support the identification of possible cases of melanoma. Likewise, Python and TensorFlow Lite were used to deploy the model and Scrum was used to integrate the entire application with a duration of 3 sprints, using the Kotlin programming language.