FenixEdu™

Dissertação

Diagnosis of skin cancer using hierarchical neural networks and clinical metadata EVALUATED

Detalhes: O número de casos do cancro de pele tem vindo a aumentar ao longo dos anos, fazendo com que seja um dos cancros mais comuns mundialmente. Para diminuir as suas elevadas taxas de mortalidade, é necessário um diagnóstico precoce e preciso. As lesões de pele podem ser definidas numa estrutura hierárquica onde primeiro são separadas em lesões melanocíticas e não-melanocíticas e depois em malignas e benignas. Além disso, cada lesão também tem os dados do paciente associados. Devido à escassez destes dois tópicos, esta tese pretende explorar a estrutura hierárquica, a combinação de metadados com imagens e verificar se a combinação entre os dois melhora o diagnóstico. Para abordar este problema, implementamos dois tipos de modelos. Modelos tradicionais, onde apenas é tomada uma decisão e um modelo hierárquico de 3 níveis, que recorre a decisões intermédias. Cada modelo é testado com apenas metadados, imagens e a combinação dos dois. Também criamos modelos mistos que combinam os dois modelos anteriores para ver se suas vantagens poderiam ser combinadas. Os resultados mostraram que a inclusão de metadados tem sempre um impacto positivo. Apesar de os modelos hierárquicos terem um desempenho pior do que os modelos tradicionais, eles melhoraram certas lesões e, mesmo se o diagnóstico for incorreto, este restringe a lesão a um subtipo. Estudamos também a possibilidade de reduzir a hierarquia original. A hierarquia modificada obteve resultados benéficos em algumas lesões e acabou por ter um desempenho melhor no conjunto de teste. O melhor modelo é o misto 1.
Keywords: Diagnóstico de Lesões de Pele, Redes Neuronais profundas, Modelo Hierárquico, Metadados.

Discussão: novembro 29, 2021, 17:30