Rastreamento do Melanoma por Técnicas Computacionais de Aprendizagem Profunda em Imagens de Dermatoscopia

Início: 2022

Coordenação: Lincoln Faria da Silva

Resumo:

O melanoma é o mais letal de todos os cânceres de pele e nas últimas décadas sua incidência aumentou significantemente. Apesar do diagnóstico deste tipo de câncer ser possível por meio de uma simples inspeção visual, muitas pessoas continuam sendo diagnosticadas com melanoma em estágios avançados. Como resultado, estima-se que mais de 57.000 pessoas em todo o mundo morreram de melanoma em 2020, por exemplo. Quando diagnosticado precocemente, enquanto ainda está confinado às camadas externas da pele, as chances de cura são altas. Embora visíveis a olho nu, em estágios iniciais pode ser difícil distinguir melanomas de lesões cutâneas benignas, mesmo por médicos. A necessidade de melhorar a eficiência, eficácia e precisão do diagnóstico de melanoma é clara. Os custos pessoais e financeiros de não diagnosticar o melanoma precocemente são consideráveis. Por outro lado, a triagem inexperiente de melanoma pode levar a inúmeras biópsias desnecessárias. O projeto aqui proposto tem como objetivo utilizar imagens de dermatoscopia para o rastreamento do melanoma, usando para isso técnicas de aprendizagem profunda (Deep Learning), que é uma subárea da inteligência artificial. Essas técnicas serão aplicadas para classificar uma imagem de dermatoscopia entre “contendo um melanoma” e “contendo uma lesão cutânea benigna”. Entre as técnicas aplicadas estão a transferência de aprendizagem, onde uma Rede Neural Convolucional já pré-treinada será usada, e o aumento de dados, para aumentar o número de dados disponível para o treinamento da parte treinável da rede. As imagens de dermatoscopia são provenientes de pacientes com melanoma e de pacientes com outras lesões cutâneas benignas, classificados por biópsia.

Equipe: 

Carlos Augusto Moreira de Sousa, Carlos Barcaui, Mario João Junior, Daniel Brasil Floriano