Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial

Abstract

RESUMEN : En esta monografía se genera un modelo de detección de cáncer cervical usando máquinas de soporte vectorial para clasificar diferentes tipos de células basados en sus características citomorfológicas. Para lo anterior se establece una metodología de varias etapas. Primero se comienza con el preprocesamiento y preparación de los datos, en donde se extraen características de las imágenes en cada canal de color RGB. Se utilizan siete características: intensidad, suavidad, uniformidad, tercer momento, entropía, desviación estándar y mediana. Además, se usa la característica luminancia en escala de grises. Con lo anterior se hace una detección y eliminación datos atípicos utilizando el método LOF (Local Outlier Factor). Luego, se procede a evaluar diferentes técnicas de escalamiento: Robusto, Estándar y MinMax, y de reducción de dimensionalidad: Análisis de Componentes Independientes (ICA), Análisis de Componentes Principales (PCA) y Análisis Discriminante Lineal (LDA). Con estas técnicas se busca simplificar la representación de los datos y evitar el sobreajuste. En la aplicación del modelo de máquinas de soporte vectorial (SVM del inglés Support Vector Machine), se utiliza el mejor método de reducción de dimensionalidad obtenido previamente y se evalúa el modelo mediante la exactitud ajustando diferentes hiper parámetros como el kernel, la regularización C, el valor gamma, el coef0 y el degree, buscando obtener el mejor rendimiento del modelo.

ABSTRACT : In this monograph a cervical cancer detection model is generated using support vector machines to classify different cell types based on their cytomorphological characteristics. A multi-stage methodology is established for this purpose. First, we start with the preprocessing and preparation of the data, where features are extracted from the images in each RGB color channel. Seven features are used: intensity, smoothness, uniformity, third moment, entropy, standard deviation and median. In addition, the grayscale luminance feature is used. This is used to detect and eliminate outliers using the LOF (Local Outlier Factor) method. Then, different scaling techniques are evaluated: Robust, Standard and Min-Max, and dimensionality reduction: Independent Component Analysis (ICA), Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA). These techniques seek to simplify the representation of the data and avoid overfitting. In the application of the SVM model, the best dimensionality reduction method previously obtained is used and the model is evaluated through accuracy by adjusting different hyper parameters such as kernel, C regularization, gamma value, coef0 and degree, seeking to obtain the best performance of the model.