Título: Influencia de Variables Exógenas en la Detección de Enfermedades de Piel mediante Redes Neuronales y Análisis de Imágenes Médicas
Este repositorio contiene el código, la documentación y los recursos relacionados con el Trabajo de Fin de Grado (TFG) sobre la detección de enfermedades cutáneas utilizando redes neuronales convolucionales (CNN) y la inclusión de variables exógenas.
Este TFG investiga cómo las variables exógenas (ubicación de la lesión, edad, sexo del paciente y tipo de diagnóstico) influyen en la capacidad predictiva de los modelos de clasificación de imágenes. Se busca mejorar la precisión y eficacia en la detección de enfermedades cutáneas a través de:
- Modelo CNN Sin Variables Exógenas: Solo se utilizan imágenes para la detección.
- Modelo CNN Con Variables Exógenas: Se incorporan datos adicionales (variables exógenas) para refinar la clasificación.
Se desarrollaron y compararon varios enfoques de detección de enfermedades cutáneas utilizando diferentes arquitecturas de CNN, tanto preentrenadas como diseñadas desde cero:
- Modelos Preentrenados: DenseNet121, MobileNetV2, ResNet50, EfficientNetB0, Xception.
- Modelo Personalizado: CNN diseñada específicamente para este estudio.
Estos modelos fueron entrenados y evaluados utilizando el conjunto de datos Skin Cancer MNIST: HAM10000, que contiene una gran colección de imágenes dermatoscópicas de múltiples lesiones pigmentadas, abarcando siete afecciones dermatológicas distintas.
El repositorio está organizado en dos carpetas principales: /docs y /src. Cada una contiene diferentes componentes del Trabajo de Fin de Grado (TFG).
La carpeta /docs incluye toda la documentación relacionada con el TFG:
- Memoria del TFG: TFG-PAULAPOLEY.pdf - Documento completo que detalla el desarrollo y resultados del proyecto.
- Presentación del TFG: presentacion-TFG-PaulaPoley.pdf - Presentación utilizada para la defensa del TFG.
La carpeta /src contiene el código fuente del proyecto:
- Aplicación Web:
App.py- Archivo principal que implementa la aplicación web desarrollada. - Código Ejecutado:
codigo_ejecutado/- Directorio con el código ejecutado durante los experimentos y análisis.
Además, el repositorio incluye otros archivos relevantes:
- Descripción del Proyecto: README.md - Este archivo, que ofrece una descripción general del proyecto y sus componentes.
- Instrucciones de Ejecución: ejecuta.txt - Archivo con las instrucciones detalladas para la ejecución del proyecto.
El entorno de desarrollo elegido para la implementación del sistema es Jupyter Notebook utilizada Anaconda, una distribución libre y gratuita diseñada específicamente para la ciencia de datos y el aprendizaje automático.
En el desarrollo de la plataforma web de predicción, se utilizó Visual Studio Code (VS Code) el cual permite una integración fluida con herramientas de desarrollo como Streamlit, que se utilizó en el proyecto para crear la aplicación web interactiva con Python.
Para ejecutar este proyecto, sigue las instrucciones detalladas en el archivo ejecuta.txt.
Este repositorio es parte del Trabajo de Fin de Grado de Paula Poley. Para más detalles, revisa la memoria del TFG o la presentación del TFG.