Banca de DEFESA: ALAN RAFAEL FERREIRA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ALAN RAFAEL FERREIRA DOS SANTOS
DATA: 01/09/2017
HORA: 14:00
LOCAL: Sala de Videoconferência do PPGCC
TÍTULO: Classificação de Imagens Dermatoscópicas utilizando Aprendizado Profundo
PALAVRAS-CHAVES: Melanoma, aprendizado profundo, redes eurais convolucionais.
PÁGINAS: 100
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

O melanoma é considerado o câncer de pele de maior gravidade e a sua descoberta em estágios avançados pode levar o paciente a óbito. O diagnóstico precoce ainda é a melhor forma de prescrever um tratamento adequando. Nesse contexto, o presente trabalho apresenta duas abordagens de classificação de imagens dermatoscópicas através da utilização de aprendizado profundo com as Redes Neurais Convolucionais. A primeira delas é baseada nos princípios tradicionais de detecção do melanoma, utilizando os conceitos da regra ABCD. Para tal, essa proposta de abordagem desenvolve as etapas de pré-processamento com filtros morfológicos, segmentação com o método Fuzzy K-means, extração de características de assimetria com o descritor de geometria, bordas com o método de Histogram Oriented Gradient, cor com o descritor Estatístico em Canais de Cores e os métodos de Haralick e de Gabor Bank Filter para obter os dados de texturas. Por fim, a classificação desses dados é realizada com uma arquitetura convolucional. A segunda abordagem sugerida nesse trabalho utiliza as arquiteturas de redes convolucionais AlexNet e VGG-F. Antes de treinar essas redes, o conjunto de imagens é ajustado através do método de data augmentation. Após o treino, os modelos convolucionais são utilizados como descritores de características através das camadas FC6 e FC7. Em ambas as abordagens propostas, são utilizados os métodos de classificação Support Vector Machine, K-Nearest Neighbor e MultiLayer Perceptron. Esses classificadores são implementados na maioria das formas de diagnóstico de lesões cancerígenas. Os testes realizados nesse trabalho utilizaram as bases de imagens PH2 e ISIC. A abordagem de classificação com as redes convolucionais obteve uma acurácia de 93,1% na classificação correta do melanoma. Já a abordagem com modelos convolucionais treinados obteve, em seu melhor resultado, uma acurácia de 91,5% na classificação das lesões cancerígenas com a descrição da arquitetura AlexNet, utilizando um treinamento com o método de bach normalization.

 

 

MEMBROS DA BANCA:
Externo à Instituição - GERALDO BRAZ JÚNIOR - UFMA
Presidente - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Interno - 1579396 - RODRIGO DE MELO SOUZA VERAS