Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática

Abstract

La presente revisión sistemática analiza distintos artículos que contienen técnicas de aprendizaje profundo, como redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN), redes neuronales generativas adversarias (GANs) y redes neuronales residuales (ResNets), observando el resultado de todos estos se prioriza la precisión para detectar el melanoma mediante de imágenes dermatológicas descartando artículos mediante la metodología Prima. Se recopilaron artículos de bases de datos confiables que utilizan imágenes de piel con y sin melanoma, y se entrenaron los diferentes modelos de aprendizaje profundo. Los resultados obtenidos indican una tasa de precisión superior en comparación con métodos tradicionales, lo que sugiere que estos enfoques avanzados pueden ser utilizados eficazmente para la detección temprana del melanoma. La discusión destaca que la combinación de estas técnicas de aprendizaje profundo mejora significativamente la precisión del diagnóstico. En conclusión, este método basado en aprendizaje profundo tiene el potencial de mejorar los protocolos de diagnóstico en la atención primaria, especialmente en regiones con recursos limitados para la detección temprana del cáncer. La implementación de estos avances tecnológicos podría contribuir a reducir la mortalidad y mejorar las perspectivas de tratamiento para los pacientes con melanoma