Navegando por Assunto "Machine Learning, , , , , ."
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Melanoma classification with neural networks using an unbalanced dataset of skin lesion images(2023-07-17) KLAUTAU, Sofia Pinheiro; MÜLLER, Ana Carolina Quintão Siravenha; http://lattes.cnpq.br/4383482501456728; https://orcid.org/0000-0001-6664-9847; RAMALHO, Leonardo Lira; http://lattes.cnpq.br/7565458988876048; https://orcid.org/0000-0003-3165-1941As aplicações de Inteligência Artificial (IA) em vários campos são extensas e têm o potencial de revolucionar vários aspectos da saúde moderna, por exemplo, demonstrando avanços promissores na melhoria da precisão e eficiência da detecção e classificação do câncer de pele. Esta área de estudo é de grande importância, pois busca melhorar a identificação e o diagnóstico precoce do câncer de pele, impactando positivamente os resultados dos pacientes e as estratégias de tratamento. Este trabalho descreve um estudo realizado sobre o uso de conjuntos de dados desbalanceados para a classificação de imagens de lesões de câncer de pele usando Redes Neurais Artificiais, mais especificamente, um conjunto de dados que possui mais de 98% de amostras pertencentes à classe negativa. Três estratégias foram aplicadas para tentar mitigar as dificuldades causadas pela grande diferença no número de imagens em cada classe, no caso, lesões que são melanoma e lesões que não são melanoma: reduzir o número de amostras no conjunto de dados para equilibrá-lo , aplicando aumento de dados e aplicando pesos de classe. Além disso, métodos para otimizar o processo de treinamento de uma Rede Neural Convolucional são aplicados com sucesso para automatizar o processo de seleção de hiperparâmetros e o tempo de treinamento de modelos que usam grandes redes neurais como extratores de características é reduzido por causa disso. O aumento de dados e pesos de classe adotados neste trabalho ajudaram no procedimento de treinamento, mas não foram suficientes para produzir uma grande melhoria no desempenho, porém o último método foi aplicado no melhor resultado obtido