Dissertação

Detecção de Melanoma usando Métodos de aprendizagem profunda EVALUATED

O melanoma é o cancro da pele mais mortífero. A detecção precoce deste tipo de cancro é essencial para a cura do paciente. Tem havido um esforço para o desenvolvimento de sistemas automatizados para a detecção e a análise de lesões da pele, denominados por sistemas CAD. Este trabalho apresenta um sistema CAD capaz de distinguir melanomas de não-melanomas, utilizando redes neuronais profundas. A principal contribuição é a comparação de três redes neuronais convolucionais (CNN) em separado, AlexNet, VGG e ResNet, nunca antes comparadas no mesmo estudo de detecção automática de melanomas. Estas CNN foram treinadas recorrendo a transferência de aprendizagem e ao aumento de dados. Adicionalmente, foi avaliado o impacto de dois hiper-parâmetros relevantes para o treino das redes: o dropout e o ritmo de aprendizagem. A base de dados utilizada foi a do concurso ISIC da edição de 2017. O conjunto original de imagens dermatoscópicas consistia em 2000 imagens de treino (1626 lesões benignas e 374 malignas), 150 de validação (120 lesões benignas e 30 malignas) e 600 de teste (483 lesões benignas e 117 malignas). O conjunto de treino foi submetido a posteriori à técnica de aumento de dados, contendo 1626 lesões benignas e 1870 malignas. Para um conjunto de teste de 600 imagens, a ResNet atingiu 79% de sensibilidade, 60% de especificidade e 77% de área abaixo da curva de característica de operação do receptor. O sistema desenvolvido realça o potencial das CNN usadas em sistemas CAD para a detecção automática de melanoma.
Melanoma, sistemas CAD, detecção automática de melanomas, CNN, transferência de aprendizagem, aumento de dados

Junho 4, 2019, 10:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático

ORIENTADOR

Ana Catarina Fidalgo Barata

ISR

Especialista