Registro fonte: Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado

Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado

Cancer is a leading cause of death worldwide, responsible for the death of approximately 9.8 million people just in 2018. Skin cancer is the most common type it’s desease, representing at least 40% of all cases of diagnosis. Given that the detection of early cancers is very relevant — cure rates rea...

ver descrição completa

Principais autores:	Delazeri, Alexandre Valadão, Stevani, Egon Sulivan
Formato:	Trabalho de Conclusão de Curso (Graduação)
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2021
Assuntos:	Pele - Câncer Melanoma Redes neurais (Computação) Aprendizado do computador Skin - Cancer Neural networks (Computer science) Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/26524
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-26524
recordtype	dspace
spelling	riut-1-265242021-12-16T20:31:06Z Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado Delazeri, Alexandre Valadão Stevani, Egon Sulivan Dorini, Leyza Elmeri Baldo Silva, Ricardo Dutra da Dorini, Leyza Elmeri Baldo Almeida, Jacqueline Marques Lara de Silva, Ricardo Dutra da Pele - Câncer Melanoma Redes neurais (Computação) Aprendizado do computador Skin - Cancer Melanoma Neural networks (Computer science) Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO Cancer is a leading cause of death worldwide, responsible for the death of approximately 9.8 million people just in 2018. Skin cancer is the most common type it’s desease, representing at least 40% of all cases of diagnosis. Given that the detection of early cancers is very relevant — cure rates reach 90% for low-risk melanomas — the use of techniques for rapid diagnosis is of great contribution to the area. The development of CNNs (Convolutional Neural Networks) that classify these pathologies is a resource that can be valuable for the development of auxiliary tools. The present work has implemented four CNNs: VGG16, ResNet-50, Resnet101 and Inception -Resnet, to classify skin cancer images from a HAM10000 database, in order to analyze and compare their performance in terms of precision, sensitivity and specificity, in five different scenarios. Was applied geometric transformations and transfer of learning. The network that obtained the best results was VGG16, both in relation to the general precision (obtained in the first scenario), with 82 %, and to the metrics analyzed for each class (fifth scenario) separately. Câncer é uma das principais causas de morte em todo o mundo, responsável pelo óbito de aproximadamente 9.8 milhões de pessoas apenas em 2018. O câncer de pele é o tipo mais comum de câncer, representando pelo menos 40% de todos os casos de diagnóstico neoplásico. Dado que a detecção de cânceres em estágio inicial é muito relevante — as taxas de cura chegam a 90% para melanomas de baixo risco - uso de técnicas para diagnóstico rápido é de grande contribuição à área médica. O desenvolvimento de CNNs (do inglês Convolutional Neural Networks) que classifiquem essas patologias é um recurso que pode ser valioso para o desenvolvimento de ferramentes auxiliares. O presente trabalho implementou quatro CNNs: VGG16, ResNet-50, Resnet101 e Inception-Resnet, para classificar imagens de câncer de pele, oriundas de uma base de dados HAM10000, a fim e analisar e comparar seus desempenhos obtidos em relação à precisão, sensibilidade e especificidade, em cinco diferentes cenários. Foram aplicadas técnicas de aumento de dados a partir de transformações geométricas e transferência de aprendizado. A rede que obteve os melhores foi a VGG16, tanto em relação à precisão geral (obtida no primeiro cenário), com 82%, quando às métricas analisadas para cada classe (quinto cenário) separadamente. 2021-11-29T12:51:11Z 2021-11-29T12:51:11Z 2021-02-08 bachelorThesis DELAZERI, Alexandre Valadão; STEVANI, Egon Sulivan. Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado. 2020. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2020. http://repositorio.utfpr.edu.br/jspui/handle/1/26524 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Curitiba Brasil Graduação em Sistemas de Informação UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Pele - Câncer Melanoma Redes neurais (Computação) Aprendizado do computador Skin - Cancer Melanoma Neural networks (Computer science) Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
spellingShingle	Pele - Câncer Melanoma Redes neurais (Computação) Aprendizado do computador Skin - Cancer Melanoma Neural networks (Computer science) Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO Delazeri, Alexandre Valadão Stevani, Egon Sulivan Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado
description	Cancer is a leading cause of death worldwide, responsible for the death of approximately 9.8 million people just in 2018. Skin cancer is the most common type it’s desease, representing at least 40% of all cases of diagnosis. Given that the detection of early cancers is very relevant — cure rates reach 90% for low-risk melanomas — the use of techniques for rapid diagnosis is of great contribution to the area. The development of CNNs (Convolutional Neural Networks) that classify these pathologies is a resource that can be valuable for the development of auxiliary tools. The present work has implemented four CNNs: VGG16, ResNet-50, Resnet101 and Inception -Resnet, to classify skin cancer images from a HAM10000 database, in order to analyze and compare their performance in terms of precision, sensitivity and specificity, in five different scenarios. Was applied geometric transformations and transfer of learning. The network that obtained the best results was VGG16, both in relation to the general precision (obtained in the first scenario), with 82 %, and to the metrics analyzed for each class (fifth scenario) separately.
format	Trabalho de Conclusão de Curso (Graduação)
author	Delazeri, Alexandre Valadão Stevani, Egon Sulivan
author_sort	Delazeri, Alexandre Valadão
title	Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado
title_short	Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado
title_full	Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado
title_fullStr	Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado
title_full_unstemmed	Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado
title_sort	classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2021
citation	DELAZERI, Alexandre Valadão; STEVANI, Egon Sulivan. Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado. 2020. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2020.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/26524
_version_	1805313742271938560
score	10,814766

Classificação de câncer de pele usando redes neurais convolucionais: uma análise do desempenho de classificação em um conjunto de dados desbalanceado

Registros relacionados