Métodos de clasificación para identificar lesiones en piel a partir de espectros de reflexión difusa / Classification methods to identify lesions in skin starting from spectra of diffuse reflectance

RESUMEN

Con el objetivo de discriminar lesiones benignas y malignas en la piel humana a partir de espectros de reflexión difusa, se han analizado diferentes algoritmos de clasificación usando el software de aprendizaje automático y reconocimiento de patrones WEKA. Además, dada la alta dimensionalidad de la señal espectral, fue empleada una técnica selección de atributos para determinar las variables que aporten la mayor cantidad de información. Se probó la clasificación de la señal usando los algoritmos de máquinas de vectores de soporte, redes neuronales y bosques aleatorios, el desempeño fue evaluado usando el promedio de la k-fold cross-validation tomando en cuenta los porcentajes de instancias clasificadas correctamente, el índice kappa, el área bajo la curva ROC, la sensibilidad, y la especifidad. Finalmente se demuestra que el algoritmo de redes neuronales con los parámetros momentum y learning rate en 0,6 y 0,3 respectivamente, es el que mejor se adapta al problema de reconocimiento de patrones ya que clasifica correctamente al 89,89% de los casos.

ABSTRACT

In order to differentiate between benign and malignant lesions in the human skin using diffuse reflection spectra, different classification algorithms were tested using the WEKA data mining software. In addition, due to the high dimensionality of the spectral signal, an attribute selection technique was applied to determine the variables that contribute with more information. The spectral signal classification was tested using support vector machines, neural networks and random forests, their performance was measured using the k-fold cross-validation percentages of the Kappa statistic, area under the ROC curve, specificity and sensitivity. Finally it is shown that the one layer neural network with 6 neurons and the parameters momentum and learning rate in 0.6 and 0.3 respectively, is best suited to the problem of pattern recognition, achieving correctly classify 89.89% of the cases.