Clasificación del fototipo cutáneo utilizando aprendizaje de máquinas

Abstract

En esta investigación se clasificaron los fototipos cutáneos mediante aprendizaje de máquinas, a partir de los datos con 31 rasgos espectrales de la piel humana, suminis- trados por el Centro de Investigaciones Médicas y Biotenológicas de la Universidad de Carabobo, los mismos se resumen a 26 rasgos tomando en consideración el do- minio de la melanina en el rango espectral, asimismo a los datos espectrales se les determinó el coeficiente de absorción de la epidermis y adicionalmente se les aplicó un análisis de componentes principales para reducir la información espectral. Se usaron los algoritmos de redes neuronales (RN) y máquinas de soporte vectorial (SVM) para la clasificación. El desempeño fue evaluado usando el método de validación cruzada y tomando en cuenta los porcentajes de aciertos, las áreas ROC y el costo compu- tacional. Se obtuvo, la SVM-Sigmoidal con parámetros C=100, γ=0,001 y α=1, la cual acertó el 77,01 % de los fototipos. Finalmente, se evaluó la distribución de los datos espectrales utilizando conglomerados, donde el 44,18 % de los datos espectrales clasificados por criterio médico no coinciden con los clasificados por conglomerados, lo cual indica que se debe realizar una redistribución de los fototitpos cutáneos del venezolano dentro de la escala de Fitzpatrick. En este sentido, se logra una clasifi- cación del 98,81 % de aciertos empleando SVM con kernel Lineal (SVM-Lineal) de parámetros C=1000 y γ = 0, 5, siendo esta en términos de tiempo computacionales, porcentajes de clases acertadas y relaciones de sensibilidad-especificidad, la máquina de aprendizaje más eficiente.