Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas

Detalhes bibliográficos
Autor(a) principal: Lima, Gabriel Lenin Silva
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10198/23290
Resumo: Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
id RCAP_ffa60912225945f2442f827b4afcc559
oai_identifier_str oai:bibliotecadigital.ipb.pt:10198/23290
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundasRedes neuraisClassificaçãoSegmentação semânticaAplicação móvelDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaMestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do ParanáA psoríase é uma lesão dermatológica que se manifesta em diversas regiões do corpo. Seu diagnóstico tardio pode gerar agravamento da doença em si, bem como das comorbidades associadas a ela. Contudo, devido à grande diversidade de doenças dermatológicas existentes, este diagnóstico pode ser complexo. Neste contexto, o trabalho proposto apresenta um sistema computacional para auxiliar o processo de diagnóstico da psoríase por meio de redes neurais convolucionais profundas e uma aplicação para dispositivos móveis. Para classificação foi criado um dataset composto por 752 imagens de pele humana, utilizado como alimentação às 3 redes de classificação: MobileNetV2, Xception e InceptionResnetV2. Uma etapa de segmentação semântica através de 3 arquiteturas diferentes baseadas na topologia da rede U-net foi desenvolvida para avaliar a influência da segmentação na classificação. Os resultados atingidos apontam um bom potencial do sistema para classificação de imagens de psoríase. Um conjunto de testes entre diferentes tipos de dataset e redes neurais foi aplicado e apontou que, apesar do modelo de segmentação proposto ter atingido mais de 97% de acurácia e uma pontuação DICE superior a 91%, proporcionando uma segmentação relativamente boa, o dataset original proporciona maior acurácia de classificação em relação ao dataset segmentado. Na classificação, o modelo MobileNetV2 apresentou uma acurácia maior que 97% com uma taxa de perda de aproximadamente 7%. O aplicativo móvel desenvolvido é capaz de utilizar os modelos de classificação e segmentação de forma simples, auxiliando o utilizador final no processo de análise da lesão dermatológica por meio de uma interface intuitiva.Psoriasis is a dermatological lesion that manifests itself in several regions of the body. Its late diagnosis can worsen the disease itself, as well as the comorbidities associated with it, however, amid the great diversity of existing dermatological diseases, this diagnosis can be complex. This work proposes a computational system to assist the psoriasis diagnosis process through deep convolutional neural networks and an application for mobile devices. For classification, a dataset was created composed of 752 images of human skin, fed to 3 classification networks: MobileNetV2, Xception and InceptionResnetV2. A semantic segmentation step through 3 different architectures based on the topology of the U-net network was developed to assess the influence of segmentation on the classification. The results present a good potential of the system for the classification of psoriasis images. A set of tests between different types of datasets and neural networks was applied and pointed out that, although the proposed segmentation model reached more than 97% accuracy and a DICE score greater than 91%, providing a relatively good segmentation, the original dataset provides greater classification accuracy compared to the segmented dataset. In the classification, the MobileNetV2 model presented an accuracy greater than 97% with a loss rate of approximately 7%. The developed mobile application is able to use the classification and segmentation models in a simple way, assisting the end user in the process of analyzing the dermatological lesion through an intuitive interface.Lopes, Rui PedroBeuren, Arlete TeresinhaBiblioteca Digital do IPBLima, Gabriel Lenin Silva2021-02-15T14:21:58Z202020192020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10198/23290TID:202607267porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-21T10:52:07Zoai:bibliotecadigital.ipb.pt:10198/23290Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T23:14:19.223368Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
title Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
spellingShingle Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
Lima, Gabriel Lenin Silva
Redes neurais
Classificação
Segmentação semântica
Aplicação móvel
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
title_full Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
title_fullStr Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
title_full_unstemmed Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
title_sort Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundas
author Lima, Gabriel Lenin Silva
author_facet Lima, Gabriel Lenin Silva
author_role author
dc.contributor.none.fl_str_mv Lopes, Rui Pedro
Beuren, Arlete Teresinha
Biblioteca Digital do IPB
dc.contributor.author.fl_str_mv Lima, Gabriel Lenin Silva
dc.subject.por.fl_str_mv Redes neurais
Classificação
Segmentação semântica
Aplicação móvel
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Redes neurais
Classificação
Segmentação semântica
Aplicação móvel
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
publishDate 2019
dc.date.none.fl_str_mv 2019
2020
2020-01-01T00:00:00Z
2021-02-15T14:21:58Z
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.uri.fl_str_mv http://hdl.handle.net/10198/23290
TID:202607267
url http://hdl.handle.net/10198/23290
identifier_str_mv TID:202607267
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799135422528356352

Registros relacionados