Documentación de los proyectos Open Source de Easy eHealth AI Vision Detection

        Skin Lesion Analyzer - Skin Cancer Detection

            CONSIDERACIONES GENERALES SOBRE EL MODELO DE INTELIGENCIA ARTIFICIAL ENTRENADO

                Los usuarios cargan una imagen con una lesión cutánea en el modelo entrenado y el aplicativo retorna de forma instantánea (en 3 segundos) una predicción del tipo de lesión detectada.

                  Una de las grandes ventajas del sistema es que se ejecuta localmente en el dispositivo del usuario. Se ejecuta mediante un navegador Web y la imagen no se envía a ningún servidor externo.

                    La construcción del modelo ha pasado por convertirse de Keras a Tensorflow, y todo el código fuente está disponible en GitHub.

                      Es un sistema MobileNet CNN (Convolutional neural network) y todo el entrenamiento se realizó mediante este kernel.

                        El principal reto del desafio se presentaba en la poca cantidad de datos existentes y en lo desequilibrado de los mismos. Mediante un aumento de datos para reducir el desequilibrio de las clases se obtuvo un nivel de precisión elevado.

                          Gracias al reconocido conjunto de imágenes HAM10000 se ha conseguido realizar una recolección de 10015 imágenes de carácter dermatológico que han servido para entrenar al sistema de Machine Learning.

                            El conjunto de imágenes ha incluido una colección representativa importante de cada uno de los tipos de lesiones pigmentadas trabajadas.

                                DEFINICIONES DE LAS LESIONES

                                    El sistema incluye 7 tipos de lesiones cutáneas, incluyendo lesiones benignas y malignas.

                                      nv: Los nevus melanocíticos son neoplasias benignas. Pueden presentarse por múltiples causas dermatológicas.

                                        mel: El melanoma es una neoplasia maligna. El sistema está entrenado para detectar todas las variedades de melanoma, incluidos los no invasivos o también denominados in situ, con excepción de los melanomas no pigmentados, subungueales, oculares o mucosos.

                                          bkl: Se refiere a las queratosis benignas. Incluye queratosis seborreica, lentigo solar o lichen planus como LPLK.

                                            bcc: Se trata de un carcinoma de células basales. Es una variante habitual del cáncer de piel que habitualmente no metastatiza pero que puede crecer destructivamente de no ser tratada.

                                              akiec: Se refiere a queratosis actínicas (queratosis solares y a la enfermedad de Bowen (carcinoma intraepitelial). Se trata de variantes no invasivas del carcinoma que pueden derivar hacia un carcinoma invasivo no pigmentado.

                                                vasc: Lesiones cutáneas vasculares de distinta índole. Las hemorragias también están incluidas dentro de esta categoría.

                                                  df: En este diagnóstico nos encontramos ante un dermatofibroma o histiocitoma, una lesión cutánea de la piel de proliferación benigna. El mismo también puede venir ocasionado por una reacción inflamatoria de carácter traumatológico.

                                                      FUNCIONAMIENTO DE LA WEBAPP

                                                          El sistema (en estado de prototipo y no válido, aún, para diagnóstico o consejo médico alguno) está planteado para ofrecerse mediante un sistema de aplicación Web en línea, escalable a otro tipo de servicios y de aplicativos.

                                                            El estado del sistema le permite funcionar con los navegadores principales (testeado en Firefox y especialmente Chrome de escritorio en Windows) en sus versiones más modernas.

                                                              En caso de tener problemas con la carga del modelo en el navegador se recomienda abrir la página en modo de navegación de incógnito o similar para que se cargue la página limpia de caché.

                                                                Actualmente, el sistema no funciona en OSX Safari. También puede presentar problemas en determinados navegadores y dispositivos de navegación móvil Las predicciones ofrecidas entre una imagen cargada desde un navegador Web de un PC y esa misma imagen cargada desde un navegador Web de un smartphone o tableta en ocasiones arroja resultados ligeramente diferentes. Ello parece indicar que determinados dispositivos móviles pueden realizar algún tipo de procesamiento en la imagen que altere el resultado final.

                                                                      IntelligenDiab - Diabetic Retinopathy

                                                                          CONSIDERACIONES GENERALES

                                                                              El funcionamiento general es análogo al expresado para el aplicativo anterior, con las salvedades correspondientes. El sistema (un prototipo en fase beta que no puede interpretarse como resultado médico ni orientación sanitaria alguna) está pensado para el análisis de imágenes médicas que determinen si una imagen ocular concreta presenta retinopatía diabética o no. Los resultados se presentan en formato del 0 al 1, lo que significa que -por ejemplo- un resultado de 0'80 equivale a un 80% de probabilidades del resultado indicado (normal o retinopatia detectada). Por ahora este sistema está especialmente testeado en las versiones más modernas del navegador Chrome, en dispositivos Windows de escritorio. Para más información puede dirigirse a la sección FAQs del aplicativo o bien a su misma nota a pie de la página del modelo en acción.