Otimização de CNN aplicada ao Diagnóstico de Melanoma

C. Rocha, L. Maia, G. Junior, J. Almeida, A. Paiva
{"title":"Otimização de CNN aplicada ao Diagnóstico de Melanoma","authors":"C. Rocha, L. Maia, G. Junior, J. Almeida, A. Paiva","doi":"10.5753/SBCAS.2019.6272","DOIUrl":null,"url":null,"abstract":"O melanoma é o câncer de pele mais letal em comparação aos ou- tros, entretanto, os pacientes apresentam um elevado ı́ndice de cura quando diagnosticado em seu estágio inicial. Por este motivo, tem sido propostas abor- dagens para o diagnóstico e detecção automática propostas por diferentes au- tores. Entretanto, o treinamento de modelos em bases de dados pequenas e não balanceadas apresentam diversos obstáculos. Dessa forma, esse trabalho em andamento tem o objetivo aplicar as técnicas de transferência de aprendizado para treinamento de modelos capazes de auxiliar no diagnóstico e triagem do melanoma. Resultado preliminares mostraram que uso da geração de dados sintéticos em conjunto com o fine-tuning da VGG16, apresentaram melhorias cruciais, aproximadamente 100% de sensibilidade e 93,75% de especificidade.","PeriodicalId":229405,"journal":{"name":"Anais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2019)","volume":"53 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-06-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2019)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/SBCAS.2019.6272","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

O melanoma é o câncer de pele mais letal em comparação aos ou- tros, entretanto, os pacientes apresentam um elevado ı́ndice de cura quando diagnosticado em seu estágio inicial. Por este motivo, tem sido propostas abor- dagens para o diagnóstico e detecção automática propostas por diferentes au- tores. Entretanto, o treinamento de modelos em bases de dados pequenas e não balanceadas apresentam diversos obstáculos. Dessa forma, esse trabalho em andamento tem o objetivo aplicar as técnicas de transferência de aprendizado para treinamento de modelos capazes de auxiliar no diagnóstico e triagem do melanoma. Resultado preliminares mostraram que uso da geração de dados sintéticos em conjunto com o fine-tuning da VGG16, apresentaram melhorias cruciais, aproximadamente 100% de sensibilidade e 93,75% de especificidade.
CNN优化应用于黑色素瘤诊断
黑色素瘤是最致命的皮肤癌相比,与此同时,其他病人有高ı́ndice治疗诊断时处于初始阶段。因此,不同的作者提出了诊断和自动检测的解决方案。然而,在小而不平衡的数据库中训练模型存在一些障碍。因此,这项正在进行的工作旨在应用学习转移技术来训练能够帮助诊断和筛查黑色素瘤的模型。初步结果表明,使用合成数据生成和微调VGG16显示了关键的改善,大约100%的敏感性和93.75%的特异性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信