Dissertação

{en_GB=Pigment Network Detection in Dermoscopy Images using Deep Learning} {} EVALUATED

{pt=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., en=Melanoma is considered to be the most dangerous form of skin cancer. However, if diagnosed in its early stages, it can be easily cured. Some medical techniques have been proposed to improve the performance of early melanoma diagnosis, including dermoscopy. Based on this technique, several medical procedures, such as the ABCD rule and the 7-point checklist, were developed to simplify not only the distinction between the different types of lesions but also the detection of malignant melanomas. These procedures rely on the detection of dermoscopic features and colors in dermoscopy images of the lesion. One of the most relevant dermoscopic structures detected by these procedures is pigment network. Some works were published addressing the automatic detection of this structure, but the majority of them only focus on detecting it and not localizing it, which would be of great importance for medical experts. Thus, this work proposes a system for the automatic detection and segmentation of pigment network, using a deep learning approach. The developed system was based on a well-known convolutional neural network (CNN) architecture called U-Net, which was designed for biomedical image segmentation tasks. This system receives as input a dermoscopy image and generates a binary mask where the presence of pigment network is highlighted. This method was tested against a dataset of 600 images belonging to the ISIC database, achieving a sensitivity of 93.8% and a specificity of 84.2%, which proves the reliability of the proposed system.}
{pt=Análise de Imagens Médicas, Dermoscopia, Detecção de Rede Pigmentar, Aprendizagem Profunda, Redes Neuronais Convolucionais, Segmentação de Imagens., en=Medical Image Analysis, Dermoscopy, Pigment Network Detection, Deep Learning, Convolutional Neural Networks, Image Segmentation.}

Novembro 16, 2018, 9:30

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