Título: Aprendizado de máquina aplicado ao diagnóstico de câncer de pele
Autores: Tony A. Medeiros, Ewerton P. Souza, Deborah Bambil, Guilherme de Souza e Cassia, João Luiz A. Carvalho and Francisco Assis O. Nascimento
Resumo:
Na última década, as imagens médicas têm demonstrado relevante papel no diagnóstico precoce de câncer de pele, notadamente, com o advento das tecnologias de inteligência artificial que aprendem a diferenciar classes de imagens com base em imagens pré-classificadas, como por exemplo, aquelas obtidas em bancos de imagens médicas contendo lesões cutâneas classificadas como malignas ou benignas. Neste estudo apresentamos os resultados de identificação e classificação de lesões de pele quanto à malignidade usando uma plataforma de aprendizado de máquina desenvolvida em nosso laboratório — a “FAON_Machine_Learning_Platform (FAON_MLP)” — e as redes neurais convolucionais pré-treinadas ResNet 152 V2, VGG16, VGG19 e AlexNet. Para a avaliação de desempenho dos algoritmos segundo métricas objetivas, se usou um banco de dados público com imagens contendo lesões de pele classificadas como benignas ou malignas. Para ser mais preciso, o banco de dados de imagens possui 1800 imagens diagnosticadas com benignas e 1497 imagens diagnosticadas como malignas. São apresentados os resultados de desempenho dos diversos algoritmos. É discutida também uma avaliação comparativa entre as técnicas utilizadas e com outras técnicas reportadas na literatura. Os resultados se mostraram promissores na diferenciação entre lesões benignas e malignas, com grande potencial para auxiliar profissionais da área da saúde no diagnóstico precoce de câncer de pele, evitando os desdobramentos da sua não ocorrência, como procedimentos cirúrgicos, metástases e até mesmo óbito.
Palavras-chave:
Câncer de pele, Aprendizado de máquina, Redes neurais convolucionais, Imagens dermatoscópicas.
Páginas: 6
Código DOI: 10.21528/CBIC2021-55
Artigo em pdf: CBIC_2021_paper_55.pdf
Arquivo BibTeX: CBIC_2021_55.bib