Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/16354
Title: Uma rede U-Net modificada para segmentação de lesões de pele em imagens dermatoscópicas.
Authors: Araujo, Graziela Silva
metadata.dc.contributor.advisor: Cámara Chávez, Guillermo
Oliveira, Roberta Barbosa
Keywords: Inteligência artificial
Redes neurais - computação
Processamento de imagens
Issue Date: 2022
metadata.dc.contributor.referee: Cámara Chávez, Guillermo
Oliveira, Roberta Barbosa
Ferreira, Anderson Almeida
Saúde, André Vital
Citation: ARAUJO, Graziela Silva. Uma rede U-Net modificada para segmentação de lesões de pele em imagens dermatoscópicas. 2022. 94 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.
Abstract: O diagnóstico auxiliado por computador pode ser viável para o diagnóstico precoce de câncer de pele. Para isso a tarefa de segmenta- ção de imagem desempenha um papel importante. A segmentação de uma imagem é um processo do qual a imagem é dividida, e a região de interesse é destacada, nesse caso, a lesão de pele pigmentada é segmentada. A segmentação de imagens dermatoscópicas é um desa- fio para os métodos tradicionais de segmentação e também para os métodos de aprendizado de máquina devido às diferentes condições de imagem. Há uma variação significativa na cor, textura, forma, tamanho e localização nas imagens dermatoscópicas. Além disso, po- dem conter imagens com variação de iluminação e diversos artefatos, como pelos, régua, bolhas de ar/óleo e amostra de cor. As imagens dermatoscópicas são adquiridas a partir de um dermatoscópio que permite que eventuais lesões possam ser visualizadas considerando estruturas nas camadas mais profundas da pele. Enfim, a arquitetura U-Net, é amplamente utilizada na literatura para segmentar imagens dermatoscópicas. O presente trabalho propõe um modelo baseado na arquitetura U-Net para segmentação de lesão de pele em imagens dermatoscópicas. Ainda, apresenta um estudo de ablação para jus- tificar as modificações feitas no modelo U-Net original, sendo elas, o número de épocas de treinamento, tamanho da imagem, funções de ativação e otimização, dropout e número de blocos convolucionais. Experimentos foram realizados nos conjuntos de dados ISIC 2017 e ISIC 2018 e mostram que é possível chegar a um modelo simples capaz de apresentar resultados competitivos em relação a outros trabalhos de última geração com os devidos ajustes em seus parâmetros.
metadata.dc.description.abstracten: Computer-aided diagnosis may be feasible for early diagnosis of skin cancer. Therefore, the image segmentation task plays an im- portant role. Segmentation of an image is a process whereby the image is divided, and the region of interest is highlighted, in this case, the skin lesion is segmented. Segmentation of dermoscopic images is a challenge for traditional segmentation methods as well as ma- chine learning methods due to different imaging conditions. There is significant variation in color, texture, shape, size, and location in der- moscopic images. In addition, they can contain images with varying lighting and various artifacts, such as hair, ruler, air/oil bubbles, and color sample. Dermoscopic images are acquired from a dermoscopy that allows possible lesions to be visualized considering structures in the skin. Finally, the U-Net architecture is widely used in the litera- ture to segment dermoscopic images. The present work proposes a model based on the U-Net architecture for skin lesion segmentation in dermoscopic images. Furthermore, it presents an ablation study to jus- tify the modifications made in the original U-Net model, namely, the number of training epochs, image size, activation and optimization functions, dropout, and a number of convolutional blocks. Experi- ments were carried out on the ISIC 2017 and ISIC 2018 datasets and show that it is possible to arrive at a simple model capable of presen- ting competitive results in relation to other state-of-the-art works with the necessary adjustments in its parameters.
Description: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/jspui/handle/123456789/16354
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 08/03/2023 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante.
Appears in Collections:PPGCC - Mestrado (Dissertações)

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO_RedeU-NetModificada.pdf3,46 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons