FenixEdu™

Dissertação

Deep Hierarchical Diagnosis of Skin Lesions EVALUATED

Detalhes: A deteção precoce de cancros de pele é muito importante porque melhora consideravelmente o prognóstico do paciente. Neste contexto, técnicas de classificação de dados e reconhecimento de padrões são ferramentas importantes para o conseguir. As lesões de pele podem ser organizadas numa estrutura hierárquica, em que no primeiro nível se dividem as lesões melanocíticas das não melanocíticas, e em cada um destes sub-grupos se dividem em benignas ou malignas. Contudo, este conhecimento tem sido desaproveitado na maioria dos métodos automáticos e, nesta tese utilizamos este conhecimento. Neste trabalho, estudaram-se dois tipos de modelos, baseados em aprendizagem profunda, para classificar imagens dermoscópicas: um modelo tradicional, em que a inferência é realizada numa única decisão que envolve todas as categorias, e um modelo hierárquico que explora a estrutura hierárquica da organização de lesões de pele, em que a inferência é realizada através de várias decisões. Posteriormente, estudou-se um modelo misto que combina estas duas abordagens, de forma a capturar os pontos fortes de cada uma. Com a análise dos resultados dos modelos propostos verificou-se que o modelo hierárquico é afetado pela propagação de erros das decisões intermédias, em relação ao classificador tradicional. No entanto, o modelo misto permite melhorar significativamente os resultados de ambas as abordagens. Adicionalmente, dada a importância de conseguir obter bons resultados, mesmo quando a quantidade de dados disponı́vel é reduzida, estudou-se o efeito de aplicar o modelo hierárquico num conjunto de dados de reduzida dimensão, verificando-se que é significativamente penalizado com a redução da dimensão do dataset.
Keywords: Aprendizagem Profunda, Classificador Hierárquico, Lesões de Pele

Discussão: julho 21, 2020, 10:0