Análise de Lesões de Pele usando Redes Generativas Adversariais

• Alceu Bissoto UNICAMP
• Sandra Avila UNICAMP

DOI: https://doi.org/10.5753/sbcas.2020.11557

Resumo

O câncer de pele é de longe o tipo mais comum de câncer. O diagnóstico precoce é fundamental para o tratamento do paciente, melhorando significativamente as taxas de sobrevida. O aprendizado profundo tornou-se o estado da arte na análise de lesões de pele, e os dados se tornaram um fator decisivo para impulsionar as soluções. O objetivo principal desta dissertação de mestrado é abordar dois problemas que surgem ao ter conjuntos de dados limitados: a incapacidade dos modelos de generalizar e o risco de viés do conjunto de dados. Investigamos os dois problemas separadamente, propondo métodos inovadores que contribuíram para o avanço da análise de lesões de pele.

Referências

Bissoto, A., Fornaciali, M., Valle, E., and Avila, S. (2018a). Generating high quality synthetic skin lesions for boosting automated screening. International Educational Symposium of the Melanoma World Society, pages 43–43.

Bissoto, A., Fornaciali, M., Valle, E., and Avila, S. (2019a). (De)Constructing bias on skin lesion datasets. In IEEE Conference on Computer Vision and Pattern Recognition Workshops.

Bissoto, A., Perez, F., Ribeiro, V., Fornaciali, M., Avila, S., and Valle, E. (2018b). Deep-learning ensembles for skin-lesion segmentation, analysis, classification: RECOD Titans at ISIC Challenge 2018. arXiv preprint arXiv:1808.08480.

Bissoto, A., Perez, F., Valle, E., and Avila, S. (2018c). Skin lesion synthesis with generative adversarial networks. In ISIC Skin Image Analysis Workshop, International Conference on Medical Image Computing and Computer Assisted Intervention.

Bissoto, A., Valle, E., and Avila, S. (2019b). The six fronts of the generative adversarial networks. arXiv preprint arXiv:1910.13076.