Dissertação

{en_GB=Skin cancer diagnosis using dermoscopic images and patient information} {} EVALUATED

{pt=O cancro de pele é o tipo de cancro mais comum em todo o mundo. A deteção precoce leva a um aumento da taxa de sobrevivência. O diagnóstico assistido por computador, que processa imagens dermoscópicas, pode levar a melhorar as taxas de deteção precoce. Nos últimos anos, diferentes sistemas de diagnóstico assistidos por computador foram desenvolvidos. No entanto, quase todos estes sistemas ignoram os metadados do paciente, que são tidos em consideração pelos dermatologistas no diagnóstico. Esta tese tem como objectivo responder à seguinte questão: "A utilização de informações clinicas do paciente com imagens dermoscópicas para o diagnóstico de lesões de pele pode levar a melhorias em relação ao uso de apenas imagens dermoscópicas?". O objetivo é entender se há melhorias ao incorporar covariáveis clínicas (idade, género e região corporal) no sistema de decisão. Assim, diferentes estratégias baseadas em redes neuronais profundas, que combinam essas covariáveis com imagens, são testadas. Essas estratégias são comparadas com vários modelos treinados apenas com imagens. Experiências feitas no conjunto ISIC 2019 demonstram que os metadados melhoram os resultados. A configuração com melhor desempenho atingiu uma BACC de 77.76% no conjunto de validação e 56.01% no conjunto de teste, e levou a melhorias de 3.14% e 3.79%, respectivamente, em relação ao modelo sem metadados. Nesta configuração, a fusão da rede de imagens e dos metadados é feita multiplicando as suas saídas. Por fim, é estudada a influência de cada combinação de metadados e é apresentado um site desenvolvido para ser usado por dermatologistas., en=Skin cancer is the most common type of cancer worldwide. Early detection leads to an increased survival rate. Computer-Aided Diagnosis (CAD), which processes dermoscopic images, can improve the early detection rates. In recent years, different CAD systems have been developed. However, almost all of these systems ignore additional patient metadata (e.g., age, region of the body, and gender), which is also taken into account by dermatologists when diagnosing the lesions. This thesis aims to answer the following question: ”Does combining patient information with dermoscopic images for skin lesion diagnosis lead to further improvements over just dermoscopic images?”. The goal is to understand if there are any performance improvements when incorporating the patient’s clinical information (age, sex, body region) in the decision system. Thus, different strategies based on Deep Neural Networks, that combine these covariates with images, are proposed. These strategies are compared against models trained just with images. Experiments conducted on the ISIC 2019 dataset verified that metadata improves the results since the strategies that incorporate patient’s metadata reach a higher Balanced Accuracy (BACC). The best evaluated configuration achieved a BACC of 77.76% for the validation set and 56.01% for the test set, and it led to an improvement of 3.14% and 3.79%, respectively, over the model without metadata. In this configuration, the fusion of the image network and the metadata network is performed by multiplying their outputs. Lastly, the relevance of each combination of metadata is explored, and a website application is developed to be used by dermatologists.}
{pt=Diagnóstico de Lesões de Pele, Diagnóstico Assistido por Computador, Imagens Dermoscópicas, Redes Neuronais Profundas, Metadados, en=Skin Lesion Diagnosis, Computer-aided Diagnosis, Dermoscopic Images, Deep Neural Networks, Metadata}

Outubro 16, 2020, 11:0

Orientação

ORIENTADOR

Ana Catarina Fidalgo Barata

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Colaborador Docente

ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático