Clasificación de Lesiones de Piel usando MobileNetV2 🩺📸

Este proyecto utiliza un modelo basado en MobileNetV2 para clasificar lesiones de piel en cuatro categorías:

• Melanoma (MEL)
• Carcinoma Basocelular (BCC)
• Queratosis Actínica (AKIEC)
• Sin Cáncer

El modelo se entrenó con el Dataset HAM10000, que contiene imágenes de lesiones de piel etiquetadas por dermatólogos.

---

🚀 Características Principales

• MobileNetV2 como Modelo Base: Utiliza una arquitectura ligera y eficiente para clasificación de imágenes.
• Preprocesamiento de Imágenes: Redimensiona las imágenes a 224x224 píxeles, normaliza los valores de píxeles y las prepara para el modelo.
• Predicción Fácil de Usar: Sube una imagen y el modelo predecirá el tipo de lesión.
• Resultados Visuales: Muestra la imagen junto con la clase predicha y el nivel de confianza.

---

📂 Notebook de Google Colab

Puedes ejecutar este proyecto directamente en Google Colab haciendo clic en el botón de abajo:

---

🛠️ ¿Cómo Funciona?

1. Preprocesamiento:

   • Las imágenes se redimensionan a 224x224 píxeles.
   • Los valores de píxeles se normalizan al rango [0, 1].
   • Se añade una dimensión extra para que el modelo pueda procesarlas.

2. Arquitectura del Modelo:

   • MobileNetV2 como modelo base (preentrenado en ImageNet).
   • Capas adicionales:
     • Global Average Pooling.
     • Capa densa con 128 unidades y activación ReLU.
     • Capa de Dropout para evitar sobreajuste.
     • Capa de salida con 4 unidades y activación Softmax.

3. Entrenamiento:

   • El modelo se entrena usando el optimizador Adam y la función de pérdida de entropía cruzada categórica.
   • Logra una alta precisión en el conjunto de prueba.

4. Predicción:

   • Sube una imagen y el modelo predice la clase (por ejemplo, Melanoma, Sin Cáncer, etc.).
   • Los resultados se muestran visualmente junto con la imagen y la predicción.

🖥️ Uso en Google Colab

1. Abre el notebook en Google Colab usando el botón de arriba.
2. Ejecuta las celdas en orden:
   • Instalar Dependencias: Instala TensorFlow y otras librerías necesarias.
   • Cargar el Dataset: Descarga y prepara el dataset HAM10000.
   • Entrenar el Modelo: Entrena el modelo basado en MobileNetV2.
   • Hacer Predicciones: Sube una imagen y observa la predicción del modelo.

---

📝 Requisitos

El notebook instala automáticamente todas las dependencias necesarias. Sin embargo, esto es lo que necesitarás:

• Python 3.8+
• TensorFlow 2.x
• NumPy
• Pandas
• Matplotlib
• PIL (Pillow)

---

🤝 Contribuciones

¡Las contribuciones son bienvenidas! Si deseas mejorar el modelo, agregar nuevas características o corregir errores, no dudes en abrir un issue o enviar un pull request.

---

🙏 Agradecimientos

• Al Dataset HAM10000 por proporcionar las imágenes de lesiones de piel.
• A TensorFlow y Keras por el framework de deep learning.
• A MobileNetV2 por la arquitectura ligera y eficiente.