Dissertação

Pigment Network Detection in Dermoscopy Images using Deep Learning EVALUATED

O melanoma é considerado umas das formas mais perigosas de cancro de pele. Contudo, se o melanoma for diagnosticado precocemente pode ser facilmente curado. Algumas técnicas de aquisição de imagem médica foram propostas de modo a melhorar o desempenho do diagnóstico precoce de melanomas, incluindo a dermoscopia. Vários procedimentos de diagnóstico médico baseados na dermoscopia, como a regra ABCD e a lista de verificação dos 7 pontos, foram desenvolvidos de modo a facilitar não só a distinção entre os diferentes tipos de lesão, mas também a deteção de melanomas malignos. Estes procedimentos baseiam-se na deteção de estruturas dermoscópicas e cores em imagens de dermoscopia da lesão. Uma das estruturas dermoscópicas mais relevantes detectada recorrendo a estes procedimentos é a rede pigmentar. Alguns trabalhos publicados abordam a deteção automática desta estrutura, mas a grande maioria foca-se apenas na deteção e não na localização, o que ajudaria bastante os dermatologistas. Assim, este trabalho propõe um sistema para a detecção automática e segmentação de rede pigmentar, recorrendo a uma abordagem de aprendizagem profunda. O sistema desenvolvido é baseado numa conhecida arquitetura de redes neuronais convolucionais chamada U-Net, que foi projetada para a segmentação de imagens biomédicas. O sistema recebe como entrada uma imagem dermoscópica e gera uma máscara binária onde a presença de rede pigmentar é destacada. Este método foi testado usando um conjunto de 600 imagens pertencentes à base de dados ISIC, obtendo uma sensibilidade de 93.8% e uma especificidade de 84.2%, o que comprova a confiabilidade do sistema proposto.
Análise de Imagens Médicas, Dermoscopia, Detecção de Rede Pigmentar, Aprendizagem Profunda, Redes Neuronais Convolucionais, Segmentação de Imagens.

Novembro 16, 2018, 9:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

Ana Catarina Fidalgo Barata

Polo IST-ISR (CC. 1601)

Investigador