Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Santos, André Pires dos lattes
Orientador(a): Silva, Leandro Augusto da lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Presbiteriana Mackenzie
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
redes neurais profundas
visão computacional
lesões de pele
dermatologia
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Link de acesso: http://dspace.mackenzie.br/handle/10899/24505
Resumo: Este trabalho tem como proposta estudar o desempenho de diferentes arquiteturas de redes neurais profundas aplicadas na detecção de lesões dermatológicas. O resultado tem como aplicações secundárias a indicação do encaminhamento correto do paciente e prioridade de atendimento, aumentando assim a eficiência do fluxo de atendimento de pacientes carentes de acesso a essa especialidade médica. O estudo apresenta uma breve introdução dos principais motivos, a origem histórica, o impacto da falta de acesso da população ao sistema de saúde e os potenciais benefícios provenientes da inserção de inteligência artificial nos processos de atendimento. Apresenta ainda uma revisão de trabalhos científicos voltados à classificação de lesões de pele por algoritmos de inteligência artificial e os principais conceitos e histórico de redes neurais artificiais, desde estudos pioneiros até as arquiteturas mais recentes. Como resultados, o trabalho apresenta dois experimentos que somados contemplam diferentes cenários de aplicação das redes neurais profundas para mensurar a acurácia dos algoritmos propostos em classificação de lesões de pele. Os experimentos avaliam o desempenho de diferentes arquiteturas, variando parâmetros e estratégias de inicialização de pesos das redes neurais. Como principais resultados, o trabalho apresenta que a arquitetura GoogLeNet treinada com 24.000 imagens, ao longo de mil épocas utilizando inicialização randômica dos pesos e taxa de aprendizado de - , foi capaz de obter uma acurácia de % para sugestão diagnóstica, % para indicação de prioridade e 96,03% para o encaminhamento apropriado do paciente em um conjunto de teste composto por 6.975 imagens.
id UPM_8b8c0a22dabcaafdfb6f442c2269161b
oai_identifier_str oai:dspace.mackenzie.br:10899/24505
network_acronym_str UPM
network_name_str Repositório Digital do Mackenzie
repository_id_str
spelling Santos, André Pires doshttp://lattes.cnpq.br/1396385111251741Silva, Leandro Augusto dahttp://lattes.cnpq.br/65425522677632332020-04-16T21:50:54Z2020-05-28T18:08:58Z2020-05-28T18:08:58Z2019-08-08SANTOS, André Pires dos. Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele. 2019. 95 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Presbiteriana Mackenzie, São Paulo, 2019.http://dspace.mackenzie.br/handle/10899/24505Este trabalho tem como proposta estudar o desempenho de diferentes arquiteturas de redes neurais profundas aplicadas na detecção de lesões dermatológicas. O resultado tem como aplicações secundárias a indicação do encaminhamento correto do paciente e prioridade de atendimento, aumentando assim a eficiência do fluxo de atendimento de pacientes carentes de acesso a essa especialidade médica. O estudo apresenta uma breve introdução dos principais motivos, a origem histórica, o impacto da falta de acesso da população ao sistema de saúde e os potenciais benefícios provenientes da inserção de inteligência artificial nos processos de atendimento. Apresenta ainda uma revisão de trabalhos científicos voltados à classificação de lesões de pele por algoritmos de inteligência artificial e os principais conceitos e histórico de redes neurais artificiais, desde estudos pioneiros até as arquiteturas mais recentes. Como resultados, o trabalho apresenta dois experimentos que somados contemplam diferentes cenários de aplicação das redes neurais profundas para mensurar a acurácia dos algoritmos propostos em classificação de lesões de pele. Os experimentos avaliam o desempenho de diferentes arquiteturas, variando parâmetros e estratégias de inicialização de pesos das redes neurais. Como principais resultados, o trabalho apresenta que a arquitetura GoogLeNet treinada com 24.000 imagens, ao longo de mil épocas utilizando inicialização randômica dos pesos e taxa de aprendizado de - , foi capaz de obter uma acurácia de % para sugestão diagnóstica, % para indicação de prioridade e 96,03% para o encaminhamento apropriado do paciente em um conjunto de teste composto por 6.975 imagens.This work aims to study the performance of several deep neural network architectures applied to classify dermatological lesions. The result has as secondary applications to set the referral and priority of care to the patient, increasing the efficiency to deliver the appropriate treatment for patients lacking access to this medical specialty. The study presents a brief introduction of the main reasons, the historical origin and the impact from the lack of access of the population to the health system. The work also provides the potential benefits from the insertion of artificial intelligence in the health care processes. It also presents a review of scientific studies aimed at the classification of skin lesions by artificial intelligence algorithms and the main concepts and history of artificial neural networks from the beginning to the detailed description of the most recent architectures. As results, the work presents the results of two experiments that together contemplate different scenarios of the application of deep neural networks to measure the accuracy of the proposed algorithms applied to classify skin lesions. The experiments evaluate the performance several architectures, varying parameters and weight initialization strategies. As a main result, the work presents that the GoogLeNet architecture trained with 24,000 images, during a thousand epochs using random initialization as strategy to initialize weights and learning rate of - , was able to obtain an accuracy of 89.72% for diagnostic suggestion, 92 % for priority indication and 96.03% for patient referral in a 6,975 image test set.application/pdfporUniversidade Presbiteriana Mackenziehttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessredes neurais profundasvisão computacionallesões de peledermatologiaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAAnálise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de peleinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisdeep neural networkscomputer visionskin lesionsdermatologyreponame:Repositório Digital do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIEMarengoni, Mauriciohttp://lattes.cnpq.br/1974791787566027Ayres, Fabio Joséhttp://lattes.cnpq.br/6229400946752974BrasilEscola de Engenharia Mackenzie (EE)UPMEngenharia ElétricaORIGINALANDRÉ PIRES DOS SANTOS[1].pdfANDRÉ PIRES DOS SANTOS[1].pdfapplication/pdf3169184https://dspace.mackenzie.br/bitstreams/f5afd1b3-a898-40cf-8334-e6b39d36e7f4/download267a9a8ddd3672ffce170477d6edd21cMD51trueAnonymousREADTEXTANDRÉ PIRES DOS SANTOS[1].pdf.txtANDRÉ PIRES DOS SANTOS[1].pdf.txtExtracted texttext/plain198247https://dspace.mackenzie.br/bitstreams/8e441816-83b5-4bf9-8d64-2d5d99b8b629/download2524e44bdfebaf08374abeb7455c4e3bMD52falseAnonymousREADTHUMBNAILANDRÉ PIRES DOS SANTOS[1].pdf.jpgANDRÉ PIRES DOS SANTOS[1].pdf.jpgGenerated Thumbnailimage/jpeg1136https://dspace.mackenzie.br/bitstreams/3b794926-0561-4561-8cda-176012dc7e76/download2abc04b4351348b24f3b441719ed46d8MD53falseAnonymousREAD10899/245052022-03-14T21:10:30.783Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Acesso Abertoopen.accessoai:dspace.mackenzie.br:10899/24505https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772022-03-14T21:10:30Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)false
dc.title.por.fl_str_mv Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
title Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
spellingShingle Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
Santos, André Pires dos
redes neurais profundas
visão computacional
lesões de pele
dermatologia
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
title_full Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
title_fullStr Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
title_full_unstemmed Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
title_sort Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele
author Santos, André Pires dos
author_facet Santos, André Pires dos
author_role author
dc.contributor.author.fl_str_mv Santos, André Pires dos
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1396385111251741
dc.contributor.advisor1.fl_str_mv Silva, Leandro Augusto da
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6542552267763233
contributor_str_mv Silva, Leandro Augusto da
dc.subject.por.fl_str_mv redes neurais profundas
visão computacional
lesões de pele
dermatologia
topic redes neurais profundas
visão computacional
lesões de pele
dermatologia
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description Este trabalho tem como proposta estudar o desempenho de diferentes arquiteturas de redes neurais profundas aplicadas na detecção de lesões dermatológicas. O resultado tem como aplicações secundárias a indicação do encaminhamento correto do paciente e prioridade de atendimento, aumentando assim a eficiência do fluxo de atendimento de pacientes carentes de acesso a essa especialidade médica. O estudo apresenta uma breve introdução dos principais motivos, a origem histórica, o impacto da falta de acesso da população ao sistema de saúde e os potenciais benefícios provenientes da inserção de inteligência artificial nos processos de atendimento. Apresenta ainda uma revisão de trabalhos científicos voltados à classificação de lesões de pele por algoritmos de inteligência artificial e os principais conceitos e histórico de redes neurais artificiais, desde estudos pioneiros até as arquiteturas mais recentes. Como resultados, o trabalho apresenta dois experimentos que somados contemplam diferentes cenários de aplicação das redes neurais profundas para mensurar a acurácia dos algoritmos propostos em classificação de lesões de pele. Os experimentos avaliam o desempenho de diferentes arquiteturas, variando parâmetros e estratégias de inicialização de pesos das redes neurais. Como principais resultados, o trabalho apresenta que a arquitetura GoogLeNet treinada com 24.000 imagens, ao longo de mil épocas utilizando inicialização randômica dos pesos e taxa de aprendizado de - , foi capaz de obter uma acurácia de % para sugestão diagnóstica, % para indicação de prioridade e 96,03% para o encaminhamento apropriado do paciente em um conjunto de teste composto por 6.975 imagens.
publishDate 2019
dc.date.issued.fl_str_mv 2019-08-08
dc.date.accessioned.fl_str_mv 2020-04-16T21:50:54Z
2020-05-28T18:08:58Z
dc.date.available.fl_str_mv 2020-05-28T18:08:58Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTOS, André Pires dos. Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele. 2019. 95 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Presbiteriana Mackenzie, São Paulo, 2019.
dc.identifier.uri.fl_str_mv http://dspace.mackenzie.br/handle/10899/24505
identifier_str_mv SANTOS, André Pires dos. Análise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pele. 2019. 95 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Presbiteriana Mackenzie, São Paulo, 2019.
url http://dspace.mackenzie.br/handle/10899/24505
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
dc.source.none.fl_str_mv reponame:Repositório Digital do Mackenzie
instname:Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron:MACKENZIE
instname_str Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron_str MACKENZIE
institution MACKENZIE
reponame_str Repositório Digital do Mackenzie
collection Repositório Digital do Mackenzie
bitstream.url.fl_str_mv https://dspace.mackenzie.br/bitstreams/f5afd1b3-a898-40cf-8334-e6b39d36e7f4/download
https://dspace.mackenzie.br/bitstreams/8e441816-83b5-4bf9-8d64-2d5d99b8b629/download
https://dspace.mackenzie.br/bitstreams/3b794926-0561-4561-8cda-176012dc7e76/download
bitstream.checksum.fl_str_mv 267a9a8ddd3672ffce170477d6edd21c
2524e44bdfebaf08374abeb7455c4e3b
2abc04b4351348b24f3b441719ed46d8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)
repository.mail.fl_str_mv repositorio@mackenzie.br||paola.damato@mackenzie.br
_version_ 1863649687072931840

Registros relacionados