FenixEdu™

Dissertação

Distinguish Melanoma from Benign Melanocytic and Non-Melanocytic Lesions EVALUATED

Detalhes: O melanoma é um tipo de cancro muito agressivo. O diagnóstico precoce desta lesão é crucial para evitar a sua metastização e aumentar a taxa de sobrevivência associada a este tipo de cancro. No entanto, é ainda difícil a distinção entre melanoma e outros tipos de lesões, principalmente as não melanocíticas. A dermatoscopia é um procedimento utilizado pelos médicos para o diagnóstico do cancro da pele, sendo possível ampliar o tamanho das lesões até 100x, aumentando a precisão na examinação das mesmas. Existem vários procedimentos médicos usados para diferenciar as lesões e auxiliar no diagnóstico do melanoma (e.g. regra ABCD). De modo a auxiliar os médicos numa melhor deteção de melanomas, foram desenvolvidos vários sistemas de diagnóstico assistidos por computador. Contudo, a maioria destes sistemas não consegue fazer uma distinção entre lesões melanocíticas e não melanocíticas. Este é um problema pouco abordado na literatura, pelo que ainda existem muitas questões e desafios. Esta tese propõe uma rede neural profunda para discriminar automaticamente o melanoma de lesões melanocíticas (nevos benignos) e não melanocíticas (queratoses seborreicas). Para atingir este objetivo e melhorar o desempenho do modelo desenvolvido, foram estudadas várias técnicas de regularização. O modelo com melhor desempenho, obteve uma BACC=59,9% para o conjunto de validação e BACC=53,1% para o de teste. Os dois melhores modelos a detectar corretamente melanomas, atingiram ambos uma SE=56,7% para o conjunto de validação e SE=32,5% e SE=49,6% para o de teste. O conjunto de dados utilizado foi obtido da base de dados do ISIC Challenge 2017.
Keywords: Diagnóstico de Lesões Cutâneas, Dermoscopia, Melanoma, Lesões Não Melanocíticas, Redes Neuronais Profundas, Técnicas de Regularização.

Discussão: novembro 28, 2019, 9:0