Algoritmo de deep learning baseado na rede neural yolo para classificação dermastoscópica e detecçâo de câncer epitelial (melanoma)

• Ano de defesa: 2024
• Autor(a) principal: Lecchi, Thiago Valfré
• Orientador(a): Almeida, Gustavo Maia de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Ifes Campus Serra; Serra
• Palavras-chave em Português: Deep Learning; Dermatologia; Câncer; Melanoma; You only look once (YOLO)
• Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/4724

Estatisticamente documentado como o mais comum tipo de câncer no Brasil e no mundo, correspondendo, de acordo com o Instituto Nacional do Câncer (INCA), a mais de 27% dos registros de tumores malignos do país, o câncer de pele tem como principal causa raiz a exposição excessiva da derme ao sol sem a utilização de filtros ou proteção. Além da alta exposição à luz solar, outros fatores de risco conhecidos são: ter pele e olhos claros, ser albino, ter vitiligo, ter histórico da doença na família e fazer tratamento com medicamentos imunossupressores. Em regiões com alta incidência de raios UV, como no Brasil, é muito importante que a população esteja sempre alerta a sintomas específicos da doença, visando preveni-la, detectá-la, diagnosticá-la e tratá-la preferencialmente de forma precoce. Para tal, é necessário que cada pessoa esteja atenta a sinais de alerta emitidos pelo próprio corpo humano, tais como o aparecimento de novas manchas na pele, que podem coçar, arder, descamar ou até sangrar ou de feridas que não cicatrizam em até quatro semanas. Estes sintomas são indicativos de cancros que podem ser do tipo não melanoma, que contabilizam no país cerca de 177 mil novos casos anuais, ou do tipo melanoma, forma mais grave da doença que atinge anualmente 8,4 mil pacientes e que possuem alto grau de agressividade, podendo levar à morte. Para evitar que o aparecimento de possíveis lesões seja negligenciado e para facilitar o pré-diagnóstico – que atualmente é feito de forma visual por médicos especialistas ou não em dermatologia –, bem como para evitar o surgimento de apontamentos posteriormente classificados como falsos positivos, se faz necessário o desenvolvimento de uma ferramenta capaz de melhorar as taxas de performance de reconhecimento da enfermidade. Como proposta de solução deste problema, esta pesquisa se propõe a desenvolver um algoritmo baseado na rede neural YOLO – e suas variações – de modo que seja possível efetuar o treinamento, a validação e o posterior teste do aprendizado da rede, sobre um conjunto de dados composto por milhares de dermatoscopias fornecidas em desafios de programação voltados à aplicação de técnicas de deep learning. São analisados diversos aspectos de performance do algoritmo YOLO, tais como precisão e velocidade, para cada uma de suas versões, bem como são conferidas as variações de performance do modelo após a realização de alterações por meio de incrementos ou tratamentos na base de dados que compõe o dataset de treinamento visando possível melhoria dos resultados, comprovando ao fim do projeto a eficácia do emprego de técnicas de varredura de imagens por deep learning para a detecção com altos índices de precisão de cânceres do tipo melanoma.