Show simple item record

dc.creatorSantos, André Pires dos
dc.date.accessioned2020-04-16T21:50:54Z
dc.date.accessioned2020-05-28T18:08:58Z
dc.date.available2020-05-28T18:08:58Z
dc.date.issued2019-08-08
dc.identifier.citationSANTOS, 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.por
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24505
dc.description.abstractThis 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.eng
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectredes neurais profundaspor
dc.subjectvisão computacionalpor
dc.subjectlesões de pelepor
dc.subjectdermatologiapor
dc.titleAnálise e comparação do desempenho de diferentes arquiteturas de redes neurais artificiais profundas aplicadas á triagem de lesões de pelepor
dc.typeDissertaçãopor
dc.publisher.departmentEscola de Engenharia Mackenzie (EE)por
dc.publisher.programEngenharia Elétricapor
dc.publisher.initialsUPMpor
dc.publisher.countryBrasilpor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApor
dc.description.resumoEste 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.por
dc.creator.Latteshttp://lattes.cnpq.br/6542552267763233por
dc.contributor.advisor1Silva, Leandro Augusto da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1396385111251741por
dc.contributor.referee1Marengoni, Mauricio
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1974791787566027por
dc.contributor.referee2Ayres, Fabio José
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6229400946752974por
dc.bitstream.urlhttp://tede.mackenzie.br/jspui/bitstream/tede/4232/5/ANDR%C3%89%20PIRES%20DOS%20SANTOS%5B1%5D.pdf
dc.keywordsdeep neural networkseng
dc.keywordscomputer visioneng
dc.keywordsskin lesionseng
dc.keywordsdermatologypor


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Acesso Aberto
Except where otherwise noted, this item's license is described as Acesso Aberto