
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.creator | Teodoro, Arthur A. M. | - |
| Autor(es): dc.creator | Silva, Douglas H. | - |
| Autor(es): dc.creator | Rosa, Renata L. | - |
| Autor(es): dc.creator | Saad, Muhammad | - |
| Autor(es): dc.creator | Wuttisittikulkij, Lunchakorn | - |
| Autor(es): dc.creator | Mumtaz, Rao Asad | - |
| Autor(es): dc.creator | Rodríguez, Demóstenes Z. | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:55:09Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:55:09Z | - |
| Data de envio: dc.date.issued | 2022-10-24 | - |
| Data de envio: dc.date.issued | 2022-10-24 | - |
| Data de envio: dc.date.issued | 2022-04 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/55337 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1007/s11265-022-01757-4 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1170903 | - |
| Descrição: dc.description | Skin cancer is a complex public health problem and one of the most common types of cancer worldwide. A biopsy of the skin lesion gives the definitive diagnosis of skin cancer. However, before the definitive diagnosis, specialists observe some symptoms that justify the request for a biopsy and consider a early diagnosis. Early diagnosis of skin cancer is subject to errors due to the lack of experience of specialists and similar characteristics with other diseases. This work proposes a CNN architecture, called EfficientAttentionNet, to provide early diagnosis of melanoma and non-melanoma skin lesions. The methodology represents the stages of development of the proposed classification model and the benefits of each stage. In the first step, the set of images from the International Society for Digital Skin Imaging (ISDIS) is pre-processed to eliminate the hair around the skin lesion. Then, a Generative Adversarial Networks (GAN) model generates synthetic images to balance the number of samples per class in the training set. In addition, a U-net model creates masks for regions of interest in the images. Finally, EfficientAttentionNet training with the mask-based attention mechanism to classify skin lesions. The proposed model achieved high performance, being a reference for future research in the classification of skin lesions. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer Nature | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Journal of Signal Processing Systems | - |
| Palavras-chave: dc.subject | Skin cancer | - |
| Palavras-chave: dc.subject | Generative adversarial networks | - |
| Palavras-chave: dc.subject | Image segmentation | - |
| Palavras-chave: dc.subject | RoI-based attention mechanism | - |
| Palavras-chave: dc.subject | Câncer de pele | - |
| Palavras-chave: dc.subject | Redes adversárias generativas | - |
| Palavras-chave: dc.subject | Segmentação de imagem | - |
| Título: dc.title | A skin cancer classification approach using GAN and ROI-based attention mechanism | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: