Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele

Detalhes bibliográficos
Autor(a) principal: Baptista, João Vitor Rodrigues
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/27820
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia Eletrônica, 2021.
id UNB-2_4221f3b273ec1e08efb96469aa7249c3
oai_identifier_str oai:bdm.unb.br:10483/27820
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Baptista, João Vitor RodriguesSilva, Nilton Correia daBAPTISTA, João Vitor Rodrigues . Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele. 2021. 133 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2021.https://bdm.unb.br/handle/10483/27820Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia Eletrônica, 2021.Modelos de machine learning estão cada vez mais presentes no dia a dia. Com o crescimento do poder computacional verificou-se um aumento na complexidade desses modelos. Devido a alta complexidade, principalmente, em redes neurais profundas conhecidas como “caixas pretas“. pois é extremamente difícil como o modelo lida com os dados de entrada. O presente trabalho tem como finalidade aplicar duas grandes técnicas de XAI: baseado em perturbações usando LIME e outras cinco técnicas baseada no cálculo de gradiente e como essas técnicas fornecem recursos para o entendimento da base do processo de decisão feito pela rede neural profunda. Na mesma linha, compara quais métodos fornecem os melhores recursos para análises humanas..Para tanto, foi desenvolvido um modelo que classifica 9 tipos de lesões de pele, sendo 4 tipos malignos. Esse modelo foi utilizado para classificar um conjunto de imagens de 9 tipos de lesões diferentes com a finalidade de analisar as técnicas de interpretabilidade de cada amostra isolada amostras.Essas doenças afetam mais de 14,1 milhões de pacientes e tem sido a causa de mais de 8,2 milhões de mortes no mundo. Para auxiliar os diagnósticos clínicos é necessário avaliar o processo de decisão do modelo. Para tratar-se de decisões sensíveis é necessário confiabilidade baseado na interpretabilidade do modelo. Com o auxílio do modelo e os insight gerados a partir da explicabilidade dos padrões aprendidos, pode-se criar novas metodologias de classificação de lesões por profissionais da saúde.Submitted by Anita Souza (anita.souza@bce.unb.br) on 2021-06-22T14:02:39Z No. of bitstreams: 1 2021_JoaoVitorRodriguesBaptista_tcc.pdf: 49600033 bytes, checksum: 6f20ca18cf4c25efc5ab0867031b2643 (MD5)Approved for entry into archive by Biblioteca Digital de Monografias Gerência (bdm@bce.unb.br) on 2021-06-25T14:23:35Z (GMT) No. of bitstreams: 1 2021_JoaoVitorRodriguesBaptista_tcc.pdf: 49600033 bytes, checksum: 6f20ca18cf4c25efc5ab0867031b2643 (MD5)Made available in DSpace on 2021-06-25T14:23:35Z (GMT). No. of bitstreams: 1 2021_JoaoVitorRodriguesBaptista_tcc.pdf: 49600033 bytes, checksum: 6f20ca18cf4c25efc5ab0867031b2643 (MD5)Machine learning models have become more present in every-day life. Computing power has grown exponentially in the last few years as well as models complexities. Due to the high complexity of models, especially in deep neural networks, they are now known as "black boxes", because it’s too difficult to understand how they deal with input data. This work focuses on applying two major XAI techniques: perturbation-based using LIME and other five techniques using Gradient-based and how those methods provide resources to understand what is the base decision process done by a deep neural network. Also, compare what kind of methods provide the best resources for human analises. Therefore, a skin’s lesion classifier model was developed to classify 9 classes, being 4 of these malignant, including Malignant Melanoma and Basal Cell Carcinoma. This model was used to predict a test sample of 9 different classes of lesions in order to analyze each interpretability technique applied locally in each sample. Those diseases threaten more than 14.1 million patients and have been the cause of more than 8.2 million deaths worldwide. In order to assist clinic diagnosis is necessary to evaluate a model’s decision process. As the model deals with sensitivity decisions, reliability is required based on the model’s interpretability. As the model’s insights have grown they will be useful in further classification’s methodologies in the health industry.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessRedes neurais (Computação)Aprendizado de máquinaPele - ferimentos e lesõesAplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de peleinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2021-06-25T14:23:35Z2021-06-25T14:23:35Z2021-05-25porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/27820/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2021_JoaoVitorRodriguesBaptista_tcc.pdf2021_JoaoVitorRodriguesBaptista_tcc.pdfapplication/pdf49600033http://bdm.unb.br/xmlui/bitstream/10483/27820/1/2021_JoaoVitorRodriguesBaptista_tcc.pdf6f20ca18cf4c25efc5ab0867031b2643MD5110483/278202022-03-22 10:36:41.993oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712022-03-22T13:36:41Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
title Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
spellingShingle Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
Baptista, João Vitor Rodrigues
Redes neurais (Computação)
Aprendizado de máquina
Pele - ferimentos e lesões
title_short Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
title_full Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
title_fullStr Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
title_full_unstemmed Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
title_sort Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele
author Baptista, João Vitor Rodrigues
author_facet Baptista, João Vitor Rodrigues
author_role author
dc.contributor.author.fl_str_mv Baptista, João Vitor Rodrigues
dc.contributor.advisor1.fl_str_mv Silva, Nilton Correia da
contributor_str_mv Silva, Nilton Correia da
dc.subject.keyword.pt_BR.fl_str_mv Redes neurais (Computação)
Aprendizado de máquina
Pele - ferimentos e lesões
topic Redes neurais (Computação)
Aprendizado de máquina
Pele - ferimentos e lesões
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia Eletrônica, 2021.
publishDate 2021
dc.date.submitted.none.fl_str_mv 2021-05-25
dc.date.accessioned.fl_str_mv 2021-06-25T14:23:35Z
dc.date.available.fl_str_mv 2021-06-25T14:23:35Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv BAPTISTA, João Vitor Rodrigues . Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele. 2021. 133 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2021.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/27820
identifier_str_mv BAPTISTA, João Vitor Rodrigues . Aplicação de técnicas de XAI em redes neurais convolucionais na classificação de lesões de pele. 2021. 133 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2021.
url https://bdm.unb.br/handle/10483/27820
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.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/27820/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/27820/1/2021_JoaoVitorRodriguesBaptista_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
6f20ca18cf4c25efc5ab0867031b2643
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1801493150895702016

Registros relacionados