Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Andrade, Vinícius Camargo | - |
Autor(es): dc.contributor | Ribeiro, Richard Duarte | - |
Autor(es): dc.contributor | Andrade, Vinícius Camargo | - |
Autor(es): dc.contributor | Ribeiro, Richard Duarte | - |
Autor(es): dc.contributor | Aires, Simone Bello Kaminski | - |
Autor(es): dc.contributor | Schmitke, Luiz Rafael | - |
Autor(es): dc.creator | Correa Neto, Francisco | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:15:19Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:15:19Z | - |
Data de envio: dc.date.issued | 2025-07-02 | - |
Data de envio: dc.date.issued | 2025-07-02 | - |
Data de envio: dc.date.issued | 2024-05-20 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37307 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1091908 | - |
Descrição: dc.description | Non-melanoma skin cancer is the most common type of cancer in Brazil. Although more frequent, this type of cancer often goes unreported, making it difficult to diagnose the disease early. Several studies on the use of artificial intelligence and neural networks to classify skin lesions, including cancer, have been and are being carried out, mainly using public databases such as the International Skin Imaging Collaboration, an image bank of dermatoscopic examinations. With a focus on mobile applications, there are several software programs on the market that classify skin lesions. In terms of academic work, the PAD-UFES-20, used in this study, a database of images captured using smartphones, has been created and is the subject of studies on the classification of skin lesions. However, no specific studies dealing exclusively with non-melanoma skin cancer were found using this dataset. In this context, the aim of this work is to identify non-melanoma cancer lesions in images from smartphone cameras. To this end, reviews were carried out on skin cancer and its diagnosis, artificial intelligence, neural networks and aspects of their training. In the practical stage, three neural networks were trained using data augmentation techniques, fine tuning and the PAD-UFES-20 database, divided into three different scenarios and their results were compared with similar studies. An application programming interface was developed, split between a client and a server, which can support a neural network module. Finally, the application was tested with real images and images generated by augmenting the PAD-UFES-20 database. As a result, better results were obtained in the scenarios in which training was carried out with a greater amount of data, with a maximum F1 score of 99.3. | - |
Descrição: dc.description | O câncer de pele do tipo não melanoma é o mais frequente no Brasil. Embora mais frequente, este tipo de câncer muitas vezes não é notificado, dificultando um diagnóstico precoce da doença. Diversos estudos abordam o uso de inteligência artificial e redes neurais para classificação de lesões na pele, incluindo o câncer, foram e estão sendo feitos, principalmente utilizado bancos de dados públicos como o International Skin Imaging Collaboration, um banco de imagens de exames dermatoscópicos. Com enfoque em aplicações móveis existem diversos softwares no mercado que classificam lesões na pele, em relação a trabalhos acadêmicos, foi criado o PAD-UFES-20, utilizado neste estudo, um banco de imagens capturadas através de smartphones, este banco é alvo de estudos sobre a classificação de lesões na pele. No entanto, não foram encontrados trabalhos específicos que tratam exclusivamente do câncer de pele do tipo não melanoma utilizando este conjunto de dados. Neste contexto, o objetivo deste trabalho é identificar lesões de câncer do tipo não melanoma em imagens provindas de câmeras de smartphones. Para isso, foram realizadas revisões sobre câncer de pele e seu diagnóstico, sobre inteligência artificial, sobre redes neurais e os aspectos de seu treinamento. Na etapa prática, foram treinadas três redes neurais utilizando técnicas de aumento de dados, fine tunning e o banco de dados PAD-UFES-20, dividido em três cenários distintos e seus resultados foram comparados com estudos semelhantes. Foi desenvolvida uma interface de programação de aplicativos dividida entre um cliente e um servidor que possa comportar um módulo de rede neural. Ao fim, a aplicação foi testada com imagens reais e imagens geradas através do aumentado de dados do banco PADUFES-20. Como resultado, obteve-se melhores resultados nos cenários em que o treinamento foi realizado com uma maior quantidade de dados, tendo uma pontuação F1 máxima de 99,3. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
Palavras-chave: dc.subject | Pele - Câncer | - |
Palavras-chave: dc.subject | Câncer - Diagnóstico | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Diagnóstico por imagem | - |
Palavras-chave: dc.subject | Smartphones | - |
Palavras-chave: dc.subject | Skin - Cancer | - |
Palavras-chave: dc.subject | Cancer - Diagnosis | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Diagnostic imaging | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Identificação de lesões cutâneas suspeitas de câncer de pele do tipo não melanoma em imagens adquiridas por smartphones | - |
Título: dc.title | Identification of suspicious non-melanoma skin lesions in images acquired by smartphones | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: