FenixEdu™

Dissertação

Automatic Prediction of BRAF Mutation in Melanoma Using Deep Learning EVALUATED

Detalhes: Melanoma é o tipo de cancro de pele mais fatal. O tratamento dos pacientes com melanoma metastizado depende do estado mutacional do gene BRAF. Portanto, é crucial aferir o estado deste gene de modo a selecionar um tratamento adequado. Atualmente, para avaliar o estado da BRAF, é realizada uma biópsia e em seguida, um PCR ao ADN extraído. Este processo é eficiente. No entanto, é lento e depende da experiência de pessoal especializado. Consequentemente, é essencial complementar as técnicas de diagnóstico existentes. Trabalhos anteriores mostram que imagens dermatoscópicas de melanomas contêm informações relevantes sobre o estado mutacional da BRAF. O objetivo desta tese é explorar formas mais rápidas, mais automatizadas e menos dependentes de humanos de prever o estado da BRAF no melanoma. Relativamente aos dados da BRAF, apenas algumas imagens dermatoscópicas ex vivo anotadas estão disponíveis neste trabalho. Portanto, três redes neurais convolucionais são pré-treinadas numa tarefa relacionada (tarefa de classificação benigno/melanoma) usando um conjunto de dados in vivo maior. Algumas versões do pré-treino na tarefa relacionada usam dados ex vivo para realizar adaptação de domínio, tentando atenuar o “shift” entre os dados in vivo e ex vivo. As arquiteturas pré-treinadas são usadas para extrair informação do dataset da BRAF. Recorrem-se a algoritmos de classificação para prever o estado do gene, maioritariamente inspirados em aprendizagem com poucos dados. Os resultados obtidos neste trabalho superam os resultados do estado da arte, comprovando que as abordagens de aprendizagem profunda propostas são um caminho promissor para a previsão do estado da BRAF.
Keywords: Aprendizagem Profunda, Aprendizagem com poucos dados, Adaptação de Domínio, Melanoma, BRAF, Dermatoscopia

Discussão: novembro 14, 2022, 14:0