UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAS APLICADAS NA DETECÇÃO DE MELANOMA CUTÂNEO
DOI:
https://doi.org/10.33053/revint.v8i1.354Palavras-chave:
Rede neural, Inteligência artificial, Melanoma cutâneoResumo
O melanoma cutâneo é considerado por dermatologistas um dos tumores de pele mais agressivo que existe. Para aumentar as chances de sobrevivência do paciente é necessário realizar o diagnóstico precocemente. Realizando o diagnóstico precoce permite determinar o grau de agressividade da doença. Tendo isso em consideração, foi desenvolvido um sistema que detecta o melanoma cutâneo através de uma imagem digital. A imagem digital é processada com o uso do filtro da mediana, e então é removido as cores, trabalhando com uma imagem em escalas de cinza, e modificado as suas dimensões. Após ter sido modificada, a imagem ela é comparada com os dados armazenados na rede neural desenvolvida. Com a utilização da linguagem de programação python e das bibliotecas OpenCV, que é utilizada para processamento de imagem, Keras e Tensorflow, utilizadas para o aprendizado de máquina, foi criado uma rede neural convolunional. Essa rede neural convolucional foi treinada com imagens de melanoma cutâneo assim como imagens de nevos comuns, onde a mesma encontra padrões existentes nas imagens.
Referências
AZEVEDO, Guinar.; MENDONÇA, Silva. Risco crescente de melanoma de pele no Brasil. Revista Saúde Pública, v. 26, n. 4, p. 290-294, 1992.
CANNADY, James. Artificial Neural Networks for Misuse Detection. In: Proceedings of the 21st National Information Systems Security Conference, 1998. Anais… New Southeastern: Florida, p. 368-381, 1998.
COPPIN, Ben. Inteligência Artificial. 1ª ed., Rio de Janeiro: Editora LTC, 2017.
DAWSON, Christian; WILBY, Robert. Hydrological modelling using artificial neural networks. Sage Journals, v. 25, p. 80-108, 2001.
EVARISTO, Alexandre; RODRIGUES Zeni. Principais Temas Em Dermatologia Provas de Residência Médica. 1ª ed. São Paulo: Medcel, 2015.
FIGUEIREDO, C. Licia. Câncer de pele: estudo dos principais marcadores moleculares
do melanoma cutâneo. Revista Brasileira de Cancerologia, v. 49, n. 3, p. 179-183, 2003.
GERHARDT, Tatiana E.; SILVEIRA, Denise. Métodos de pesquisa. Porto Alegre: Editora da UFRGS, 2009.
GONZALEZ, Rafael C; WOODS, Richard E. Digital Image Processing. 1º ed., Boston: Addison-Wesley, 1992.
INCA. INSTITUTO NACIONAL DE CÂNCER. Câncer de Pele Melanoma. Disponível em: <https://www.inca.gov.br/tipos-de-cancer/cancer-de-pele-melanoma>. Acesso em: 29 ago. 2019.
KOVÁCS, L. Zsolt. Redes Neurais Artificiais Fundamentos e Aplicações. 4ª ed, São Paulo: Livraria da Física, 2002.
RUSSEL, Stuart J; NORVIG, Peter. Artificial Inteligence: A Modern Approach. 1ª ed, Nova Jersey: Prentice Hall, 1995.
SANTOS, Camila A dos; SOUZA, Dyego L. B. Melanoma mortality in Brazil: trends and projections (1998-2032). Ciênc. saúde coletiva, v. 24, n. 4, p. 1551-1561, 2019.
SHEN, Dinggang; WU, Guorong; SUK, Heung-Il. Deep learning in medical image analysis. Annual Review of Biomedical Engineering, v. 19, p. 221-248, 2017.
SILVA, Fabricio M. da; LENZ, Maikon L.; FREITAS, Pedro H. C.; SANTOS, Sidney C. B. dos. Inteligência Artificial. Porto Alegre: Editora Grupo A, 2019.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 REVISTA INTERDISCIPLINAR DE ENSINO, PESQUISA E EXTENSÃO
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
