Browsing by Author "Lima, Gabriel Lenin Silva"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Deep learning in the identification of psoriatic skin lesionsPublication . Lima, Gabriel Lenin Silva; Pires, Carolina; Beuren, Arlete Teresinha; Lopes, Rui PedroPsoriasis is a dermatological lesion that manifests in several regions of the body. Its late diagnosis can generate the aggravation of the disease itself, as well as of the comorbidities associated with it. The proposed work presents a computational system for image classification in smartphones, through deep convolutional neural networks, to assist the process of diagnosis of psoriasis. The dataset and the classification algorithms used revealed that the classification of psoriasis lesions was most accurate with unsegmented and unprocessed images, indicating that deep learning networks are able to do a good feature selection. Smaller models have a lower accuracy, although they are more adequate for environments with power and memory restrictions, such as smartphones.
- Identificação da psoríase através de dispositivos móveis usando redes neurais convolucionais profundasPublication . Lima, Gabriel Lenin Silva; Lopes, Rui Pedro; Beuren, Arlete TeresinhaA 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.