Please use this identifier to cite or link to this item: http://hdl.handle.net/10216/106112
Author(s): Bruno Miguel Ferreira Moreira
Title: Análise Automática de Melanoma Utilizando Imagens Dermatoscópicas
Issue Date: 2017-07-17
Abstract: Melanoma is a kind of skin cancer that, despite being less frequent, it is the most lethal to human kind. It's diagnosis is done by a specialized doctor - a dermatologist - who observes the patient skin by its own eyes or using a device called dermatoscope.In 2012, WCRFI (acromion for World Cancer Research Fund International) reported statistics for all types of cancer worldwide, showing that of the 14.1 million people diagnosed with cancer, 232.000 people were diagnosed with melanoma.This type of cancer varies in appearance a lot and may present as a pigmented lesion that gets darker, developing irregular contours or variated colors, over time, or as a pink or red nodule. It can be visible on any part of the body, with the chest and legs being the most frequent zones. As melanoma grows, it can spread to the innermost areas of the body, which can affect even certain organs - therefore treatment should be as fast as possible.This dissertation goal is to give an automatic identification of melanoma in dermatoscopy images so the dermatologist can perform the treatment on the affected area as soon as possible. Behind the identification algorithm, there is a machine learning algorithm that, based on dermatoscopy images with different types of skin cancer, helps to identify melanoma effectively and efficiently.On building the algorithm, a features' model (extracted by image processing methods) is developed by machine learning methods (like decision trees, support vector machines and artificial neural networks). These characteristics along with patient's own characteristics such as age or sex and the identification of melanoma (or not) allow to train the algorithm. In this way the algorithm will predict which classification to assign to a new exam to evaluate, classifying it as the existence of melanoma or not.This algorithm was developed and tested using controlled data given by the contest ISIC 2017: Skin Lesion Analysis Towards Melanoma Detection.
Description: A melanoma é um tipo de cancro da pele que, apesar de ser o menos frequente, é o mais letal na espécie humana. O diagnóstico de melanoma é realizado por um médico especialista - o dermatologista - que observa a pele de um paciente ou a olho nu ou com recurso a um aparelho denominado dermatoscópio.Em 2012, a WCRFI (acrónimo para World Cancer Research Fund International; em português, Fundo Mundial de Pesquisa contra o Cancro) apresentou estatísticas em relação a todos os tipos de cancro ao nível mundial, mostrando que das 14,1 milhões de pessoas diagnosticadas com cancro, 232 mil pessoas estavam diagnosticadas com melanoma.Este tipo de cancro varia muito de aspeto, podendo apresentar-se como uma lesão pigmentada que vai escurecendo, desenvolvendo contornos irregulares ou cores variadas, ao longo do tempo, ou como um nódulo rosa ou encarnado. Pode ser visível em qualquer parte do corpo, sendo o peito e as pernas as zonas mais frequentes. Dado que a melanoma cresce rapidamente, este consegue-se estender para zonas mais internas do corpo, podendo afetar até certos órgãos - sendo esta a razão para que o seu tratamento seja o mais rápido possível.Esta dissertação tem como objetivo a identificação automática de melanoma em imagens dermatoscópicas de maneira a que o dermatologista possa realizar o tratamento sobre a zona afetada o mais breve possível. Por detrás do algoritmo de identificação, existe um algoritmo de aprendizagem automática que, com base em imagens dermatoscópicas com vários tipos de cancro da pele, contribui para identificar a melanoma eficaz e eficientemente.Para a construção do algoritmo inteligente, um modelo de características, extraídas através de métodos de processamento de imagem, é desenvolvido através de métodos de aprendizagem automática (como árvores de decisão, máquinas de suporte vetorial e redes neuronais artificiais). Estas características, juntamente com características próprias do paciente, como a idade ou o sexo, e a identificação de melanoma ou não permitem treinar o algoritmo de aprendizagem. Posto isto, o algoritmo irá prever que classificação atribuir a um novo exame a querer avaliar, classificando-o como a existência de melanoma ou não.Este algoritmo foi desenvolvido e testado em dados fornecidos e controlados de um concurso de programação denominado ISIC 2017: Skin Lesion Analysis Towards Melanoma Detection.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
TID identifier : 201795914
URI: http://hdl.handle.net/10216/106112
Document Type: Dissertação
Rights: openAccess
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
203121.pdfAnálise Automática de Melanoma Utilizando Imagens Dermatoscópicas1.53 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.