Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/30266
Título: | Análise e classificação de lesões de pele por meio de estratégias de aprendizado ativo |
Autor(es): | Batista, Lucas Garcia |
Orientador(es): | Saito, Priscila Tiemi Maeda |
Palavras-chave: | Aprendizado do computador Câncer - Diagnóstico Processamento de imagens Machine learning Cancer - Diagnosis Image processing |
Data do documento: | 24-Fev-2022 |
Editor: | Universidade Tecnológica Federal do Paraná |
Câmpus: | Cornelio Procopio |
Citação: | BATISTA, Lucas Garcia. Análise e classificação de lesões de pele por meio de estratégias de aprendizado ativo. 2022. Dissertação (Mestrado em Informática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2022. |
Resumo: | Segundo o Instituto Nacional de Câncer, dentre todos os tumores malignos, o câncer de pele não-melanoma e melanoma são os mais frequentes no Brasil. Apesar de apresentar menor incidência, em relação ao tipo não-melanoma, o tipo melanoma apresenta crescimento acelerado e maior letalidade. O diagnóstico precoce ajuda no tratamento e na cura dos pacientes. Vários estudos têm sido realizados nos últimos anos na área de visão computacional para auxiliar no diagnóstico precoce do câncer de pele. Abordagens de aprendizado profundo, utilizando arquiteturas de redes neurais convolucionais por meio de transferência de aprendizado, têm sido largamente adotadas. Apesar de apresentarem resultados significativos, é necessária uma grande quantidade de dados de treinamento anotados. No entanto, a obtenção de dados rotulados por um especialista torna-se inviável em se tratando de grandes conjuntos de dados. Abordagens de aprendizado ativo possibilitam selecionar um pequeno conjunto de dados mais informativos para o treinamento do classificador. Portanto, o presente projeto de pesquisa explora abordagens de aprendizado ativo, incluindo a proposta e a validação de estratégias de seleção de amostras mais informativas para classificação de lesões de pele. |
Abstract: | According to the National Cancer Institute, among all malignant tumors, non-melanoma skin cancer and melanoma are the most frequent in Brazil. Despite having a lower incidence, compared to the non-melanoma type, the melanoma type has accelerated growth and greater lethality. Early diagnosis helps in the treatment and cure of patients. Several studies have been carried out in recent years in the area of computer vision to assist in the early diagnosis of skin cancer. Deep learning approaches, using convolutional neural network architectures through transfer of learning, have been widely adopted. Despite presenting significant results, a large amount of annotated training data is needed. However, obtaining labeled data by a specialist is not feasible in the case of large data sets. Active learning approaches make it possible to select a small set of more informative data for classifier training. Therefore, this research project explores active learning approaches, including the proposal and validation of selection strategies of more informative samples for the classification of skin lesions. |
URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/30266 |
Aparece nas coleções: | CP - Programa de Pós-Graduação em Informática |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
analiseclassificacaolesoespele.pdf | 48,09 MB | Adobe PDF | ![]() Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.