Utilização de redes neurais convolucionais, descritores calculados e informações
clínicas do paciente para diagnóstico de câncer de pele.
Nome: CARLOS FREDERICO SILVA DA FONSECA MENDES
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 07/10/2022
Orientador:
Nome |
Papel |
|---|---|
| RENATO ANTÔNIO KROHLING | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| DANIEL CRUZ CAVALIÉRI | Examinador Externo |
| RENATO ANTÔNIO KROHLING | Orientador |
| VINICIUS FERNANDES SOARES MOTA | Examinador Interno |
Resumo: O diagnóstico de lesões de pele é uma tarefa difícil devido às variações dos aspectos
visuais das lesões. Como dermatologistas fazem uso de informações visuais, dados da
lesão e de informações clínicas do paciente (denominados aqui como metadados clínicos),
este trabalho investiga se a combinação de características extraídas com o uso de redes
neurais convolucionais (CNN), características calculadas (handcrafted features) e metadados
clínicos é capaz de melhorar o diagnóstico automático de câncer de pele. A maioria dos
trabalhos sobre diagnóstico de câncer de pele na literatura, utiliza imagens dermatoscópicas
e não usa metadados do paciente. Para resolver esse problema, nós utilizamos um banco de
imagens clínicas coletadas através de smartphone, com informações do paciente, chamado
de PAD-UFES-20. Com a arquitetura de combinação de características proposta foi
verificado que a utilização dos metadados como complemento às características extraídas
por redes convolucionais e as características calculadas melhorou a classificação em termos
de acurácia balanceada em 7.1% para câncer e 3.2% para melanoma quando comparada com
a utilização somente de características extraídas por redes convolucionais. Adicionalmente,
os experimentos mostraram que combinar apenas as características calculadas da imagemcom as extraídas pela CNN não melhorou os resultados, o que indica a importância do
uso dos metadados clínicos para a classificação de lesões de pele.
