Navegando por Autor "Araujo, Graziela Silva"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Item Uma rede U-Net modificada para segmentação de lesões de pele em imagens dermatoscópicas.(2022) Araujo, Graziela Silva; Cámara Chávez, Guillermo; Oliveira, Roberta Barbosa; Cámara Chávez, Guillermo; Oliveira, Roberta Barbosa; Ferreira, Anderson Almeida; Saúde, André VitalO 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.Item U-Net based network applied to skin lesion segmentation : an ablation study.(2022) Araujo, Graziela Silva; Cámara Chávez, Guillermo; Oliveira, Roberta BarbosaSkin cancer is one of the types of cancer that requires an early diagnosis. The segmentation task plays a vital role in computer-aided diagnosis. Segmenting dermoscopic images is challenging for existing methods due to different image conditions. There is a significant variation in color, texture, shape, size, and location in dermoscopic images. Still, they may contain images with lighting variation and various artifacts, such as hair, ruler, air/oil bubbles, and color sample. The Convolutional Neural Network (CNN) model, U- Net, is widely used to segment dermoscopic images. This work proposes a model based on the U-Net architecture to segment dermoscopic images. Still, it presents an ablation study to justify the modifications made in the architecture, such as the number of training epochs, image size, optimization functions, dropout, and the number of convolutional blocks. Experiments 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 presenting competitive results compared to other state-of-the-art works with the appropriate adjustments to their parameters.