Segmentação Semântica do Câncer de Pele Utilizando Aprendizado Profundo

O câncer de pele é um dos grandes problemas enfrentados pela saúde pública, e a utilização de Aprendizado de Profundo pode permitir a classificação de lesões de pele em imagens. Nesse contexto, este trabalho tem o objetivo de desenvolver um método de segmentação de lesões de pele para facilitar a classificação de lesões. Nesse sentido, foi utilizado a arquitetura DeepLab3+ associada à limiarização global, refinado em três modelos específicos: (1) somente para lesões malignas, (2) somente para lesões benignas e (3) para todos os tipos de lesões. Os experimentos utilizaram quatro bases públicas, HAM10000, ISIC 2016, ISIC 2017 e PH2. Os melhores resultados atingiram um Dice de 94,42% na base HAM10000, 91,68% na base ISIC 2016, 87,19% na base ISIC 2017 e 92,12% na base PH2. Os melhores resultados foram alcançados com o modelo treinado para todos os tipos de lesões.