Utilizando Aprendizado Profundo através de Redes Neurais Convolucionais para classificação de câncer de pele
2024-1591.jovemCom base na implementação do protótipo, neste projeto, modelos de aprendizado profundo foram criados para classificar as lesões de pele como benigas ou malignas usando a CNN e a arquitetura ResNet50. O modelo de ResNet50 atingiu a precisão de 97%. Portanto, a técnica é eficaz para diagnosticar automaticamente o câncer de pele e superar as abordagens tradicionais.
Palavras-chave
câncer de pele, redes neurais convolucionais, aprendizagem profunda, transferência de aprendizagem, diagnóstico automatizado.
Resumo Científico
Neste projeto, foram desenvolvidos e comparados modelos de aprendizagem profunda para classificar imagens de lesões de pele como benignas ou malignas, empregando uma rede neural convolucional simples e uma tática de transferência de aprendizagem com a arquitetura ResNet50 já treinada. O dataset utilizou 1.800 fotos de nevos benignos e 1.497 de nevos melanomas, todas alteradas para um tamanho de 224×224. Os modelos foram ajustados e avaliados utilizando a acurácia, precisão, recall e f-score. O modelo com a ResNet50 pré-treinada foi mais eficaz, com uma acurácia de 97% no teste, e esses resultados indicam a efetividade desta técnica na identificação automática de lesões de pele. Enquanto a porcentagem de precisão no nosso estudo foi comparável em relação a estudos anteriores, como 91% de Esteva et al. Resultados de 2017 de algoritmos de câncer de pele baseados em redes neurais convolucionais. Além disso, este papel revela o impacto da inteligência artificial, especialmente redes neurais profundas, para melhorar a precisão do diagnóstico do câncer de pele. A abordagem das IA nesse tratamento pode eliminar a dependência de técnicas de inspeção visuais mais tradicionais nem sempre confiáveis e subjetivas. O método de aprendizado profundo é promissor para abordar a natureza complexa e mutável das características visuais das lesões da pele, melhorando intervenções e decisões médicas baseadas em dados visuais. Como resultado, temos o potencial de melhorar a prática clínica, e o método de detecção ao câncer de pele oferece uma abordagem eficaz e confiável na caça por lesões malignas. Finalmente, a perspectiva deste tema inclui a preparação de métodos mais especializados, o uso de um dataset maior e o emprego de outras técnicas de deep-inteligência artificial.