Evaluación de algoritmos de clasificación para el diagnóstico de cáncer a partir de imágenes
Abstract
En este proyecto se realizan experimentos con distintas técnicas de aprendizaje automático aplicadas al diagnóstico de cáncer de pulmón a partir de imágenes médicas 3D. Se prueban cuatro modelos diferentes, todos ellos basados en las redes neuronales convolucionales. El primer modelo es una red neuronal convolucional en 3D que ataca a la imagen entera (modelo global). El segundo se basa en hacer predicciones locales y agruparlas después a través de un algoritmo de clustering jerárquico aglomerativo para un diagnóstico global (modelo local). El tercer modelo está basado en transfer learning en 2D. El cuarto modelo es un estimador de malignidad de un nódulo pulmonar. Los datos se consiguen en internet en la base de datos del concurso LUNA16.
Las conclusiones son las siguientes: un enfoque local del problema da mejores resultados que un enfoque global. Además, una red de mayor complejidad da mejores resultados que una con un menor número de parámetros. De entre los modelos de transfer learning con los que se experimenta, VGG19 da los mejores resultados. This project consists of a series of experiments where different machine learning techniques are applied to computer aided diagnosis of lung cancer from 3D medical images. Four different models are evaluated, all of them based on convolutional neural networks. The first model is a 3D convolutional neural network that attacks the whole image (global model). The second is based on making local predictions and gathering these together through an agglomerative hierarchical clustering algorithm for a global diagnosis (local model). The third model is based on transfer learning in 2D. The fourth model is a nodule malignancy estimator. Data is obtained for an online competition called LUNA16.
The conclusions are the following: a local approach to the problem shows better results than tackling the image globally. Also, a high complexity network seems to work better than one with fewer parameters. Among the transfer learning models that were compared, VGG19 gave the best results.