FenixEdu™

Dissertação

{en_GB=Distinguish Melanoma from Benign Melanocytic and Non-Melanocytic Lesions} {} EVALUATED

Detalhes: {pt=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., en=Melanoma is a very aggressive type of cancer. Consequently, the detection of melanoma at early stages is crucial to prevent it from metastasizing, increasing survival rate. However, distinguishing between melanoma and other types of lesions, especially non-melanocytic ones, remains a difficult task. Dermoscopy is a procedure used by physicians for skin cancer diagnosis, that has shown to be more accurate than naked-eye analysis, since it can magnify the size of the inspected lesions by up to 100x. Several medical procedures are used to differentiate lesions, mostly for melanoma diagnosis, such as ABCD rule or Menzies scoring method. Several Computer-Aided Diagnosis systems have been developed in the interest of helping physicians better detect melanomas. Nonetheless, most of CAD systems aren't able to distinguish between melanocytic and non-melanocytic lesions, which is still an open problem and poorly addressed in literature. This thesis proposes a deep neural network to automatically discriminate melanoma from melanocytic (benign nevi) and non-melanocytic (seborrheic keratosis) lesions. To achieve this goal several regularization techniques were investigated in order to improve the performance of the developed model. The best evaluated configuration achieved a Balanced Accuracy (BACC) of 59,9% for the validation dataset and 53,1% for the test dataset. Furthermore, the best two models at correctly detecting melanomas, reached a same Sensitivity (SE) of 56,7% in validation dataset and SE=32,5% and SE=49,6% for test dataset. The dataset used in this thesis was collected from the 2017 ISIC Challenge database.}
Keywords: {pt=Diagnóstico de Lesões Cutâneas, Dermoscopia, Melanoma, Lesões Não Melanocíticas, Redes Neuronais Profundas, Técnicas de Regularização., en=Skin Lesion Diagnosis, Dermoscopy, Melanoma, Non-melanocytic Lesions, Deep Neural Networks, Regularization Techniques.}

Discussão: novembro 28, 2019, 9:0