Melanoma classification with neural networks using an unbalanced dataset of skin lesion images

As 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