C. Rocha, L. Maia, G. Junior, J. Almeida, A. Paiva
{"title":"CNN优化应用于黑色素瘤诊断","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":"{\"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}","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}
Otimização de CNN aplicada ao Diagnóstico de Melanoma
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.