Sistema inteligente para apoio ao diagnóstico de doenças de pele usando imagens e redes neurais artificiais profundas

• Ano de defesa: 2024
• Autor(a) principal: GENUINO, Patricia Alves
• Orientador(a): SANTOS, Wellington Pinheiro dos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• dARK ID: ark:/64986/001300002j3px
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Programa de Pós-Graduação: Programa de Pos Graduacao em Engenharia Biomedica
• País: Brasil
• Palavras-chave em Português: Sistema de apoio ao diagnóstico; Hanseníase; Câncer de pele; Psoríase; Artrite psoriásica; Redes neurais artificiais profundas
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/64345

O diagnóstico precoce de doenças dermatológicas tem sido impulsionado pelo avanço da inteligência artificial, especialmente pelo aprendizado profundo combinado com algoritmos de classificação. Este estudo propõe uma estrutura de apoio ao diagnóstico, utilizando redes neurais artificiais profundas e algoritmos de classificação, visando a detecção precoce de condições dermatológicas. Foram exploradas diversas condições médicas, incluindo hanse- níase, psoríase, artrite psoriásica e câncer de pele, cada uma com suas próprias característi- cas distintas. A hanseníase, por exemplo, é uma doença endêmica em regiões subdesenvol- vidas, como o Brasil, onde o diagnóstico precoce é crucial para interromper a transmissão e prevenir complicações. Da mesma forma, a psoríase e a artrite psoriásica requerem detecção precoce para melhorar os resultados clínicos e a qualidade de vida dos pacientes. Além dis- so, o câncer de pele apresenta diferentes subtipos, como melanoma, carcinoma basocelular e carcinoma epidermóide, cada um exigindo uma abordagem específica para diagnóstico e tratamento eficazes. Foram utilizadas redes neurais artificiais profundas (VGG16, Inception v3 e ResNet-50) para a extração de atributos das imagens das condições dermatológicas. Além disso, a técnica de balanceamento SMOTE foi empregada durante a fase de treina- mento para garantir uma distribuição adequada das classes e evitar viés nos resultados. Os conjuntos de dados foram divididos em treino e teste. Cinco categorias de diferenciais das doenças foram exploradas, avaliadas separadamente e em conjunto. Os resultados destaca- ram a rede Inception v3 como a mais eficaz para este propósito, combinada com o classifi- cador SVM de grau 3, seguido pelo Random Forest com 500 árvores. Métricas de avaliação, incluindo acurácia, índice kappa, sensibilidade, especificidade e área sob a curva ROC, con- firmaram a eficácia dessas combinações. Este estudo oferece uma contribuição significativa para o avanço no diagnóstico precoce de doenças dermatológicas, fornecendo boas perspec- tivas valiosas sobre a eficácia de diferentes abordagens de inteligência artificial e suas com- binações. Esses resultados têm o potencial de impactar positivamente a prática clínica, ofe- recendo uma base sólida para o desenvolvimento de ferramentas de auxílio ao diagnóstico mais precisas eficientes e acessíveis, melhorando assim os resultados clínicos e a qualidade de vida dos pacientes dermatológicos.