Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/349396
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Uso de técnicas de deep learning para classificação de imagens dermoscópicas com lesões na pele
Title Alternative: Using deep learning techniques to classify dermoscopy images with skin lesions
Author: Minango Negrete, Pablo David, 1992-
Advisor: Iano, Yuzo, 1950-
Abstract: Resumo: O melanoma é o tipo mais agressivo de câncer de pele e o mais perigoso de se espalhar pelo corpo todo, se não for diagnosticado precocemente. No Brasil segundo o Instituto Nacional do Câncer há uma estimativa de 2920 novos casos em homens e de 3340 novos casos em mulheres a cada ano, sendo a maioria deles encontrados na região sul do país. Um outro tipo de câncer de pele é o não-melanoma e tem uma estimativa de 85170 novos casos para homens e 80140 para mulheres por ano, mostrando um verdadeiro problema no sistema de saúde pública. O índice alto de cura do câncer de pele, durante os seus primeiros estágios, faz do diagnóstico, com a ajuda de computador, uma ferramenta importante para o médico avaliar a lesão de pele e tomar uma decisão rápida para o tratamento para o paciente. A análise de pele e outras áreas de imagens médicas têm sofrido uma revolução graças ao aprendizado profundo (deep learning) e às redes neurais convolucionais CNN ("Convolutional Neural Networks"). Nesta dissertação, são investigadas arquiteturas de aprendizagem profunda para classificação de imagens do tipo melanoma versus não-melanoma. Neste contexto são avaliadas três arquiteturas que são: AlexNet, VGG16 e VGG19, onde estas duas ultimas fazem uso da aprendizagem por transferência (transfer-learning). Apesar do limitado conjunto de dados públicos devido a que coletar e anotar imagens com lesões de pele são tarefas difíceis, com custo elevado e só possíveis a serem feitas por profissionais da área da saúde, nós treinamos e avaliamos estas arquiteturas com três diferentes modelos os quais contêm diversas quantidades de imagens aumentadas de forma progressiva. Como resultado da pesquisa, a arquitetura "AlexNet" atinge um desempenho ótimo na tarefa de classificação binaria, obtendo um AUC (área sob a curva) de 0,935 em comparação com as arquiteturas "VGG16" e "VGG19"

Abstract: The melanoma is the more aggressive skin cancer and the more dangerous to spread around the corp if it is not early diagnosed. In Brazil by the Instituto Nacional do Câncer there are an estimated of 2920 new cases in men and 3340 new cases in women each year. The majority of cases are found in the South Region. Another type of skin cancer is non-melanoma and it has an estimated of 85170 new cases in men and 80140 in women for the year showing a serious problem in the public health system. The high probability of healing skin cancer in its initial stages, made of the diagnosed with the help computer an important tool for the medic to evaluate the skin lesion and take a quick decision to the treatment for the patient. The skin analysis and other medical imaging areas are revolutionizing due to deep learning and convolutional neural networks (CNN). In this dissertation, we investigated deep learning architectures to images classification of melanoma versus non-melanoma. In this context we evaluated three architectures which are the "AlexNet", and with the use of transfer-learning "VGG16" and "VGG19" architectures. Although the public dataset is limited due to collect and annotated the skin lesion images is a difficult task, with a high cost and only made by medical professionals, we have trained and evaluated these architectures with three different models that have diverse quantities of images progressively increased. The "AlexNet" architecture achieves optimal performance in the binary classification task, obtaining 0,935 of AUC (area under the curve) in comparison with "VGG16" and "VGG19"
Subject: Neoplasias cutâneas
Melanoma
Aprendizado profundo
Redes neurais convolucionais
Language: Português
Editor: [s.n.]
Citation: MINANGO NEGRETE, Pablo David. Uso de técnicas de deep learning para classificação de imagens dermoscópicas com lesões na pele. 2020. 1 recurso online (68 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP.
Date Issue: 2020
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
MinangoNegrete_PabloDavid_M .pdf4.65 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.