SISTEMA DE DETECÇÃO E CLASSIFICAÇÃO DE CÂNCER DE PELE

Resumo

Neste projeto, utilizamos a Inteligência Artificial (IA), especificamente as Redes Neurais Convolucionais (CNNs), para classificar imagens de uma base de dados chamada HAM10000, que contém 10.015 imagens de 7.009 pacientes com sete tipos diferentes de lesões de pele. Essas lesões incluem: carcinoma basocelular, carcinoma intraepitelial, ceratoses actínicas, melanoma, nevo melanocito, dermatofibroma, queratose e lesões vasculares. As imagens foram coletadas em três hospitais diferentes na Áustria e no Brasil. Essa base de dados é amplamente usada em pesquisas de IA e Aprendizado de Máquina para desenvolver algoritmos que auxiliam no diagnóstico e tratamento de doenças de pele, complementando a avaliação de dermatologistas. O projeto abrange diversos tópicos, incluindo as arquiteturas de CNNs utilizadas, o pré-processamento de dados, o equilíbrio dos conjuntos de dados, técnicas de Aprendizado Profundo (Deep Learning) e Transferência de Aprendizado (Transfer Learning) aplicadas no treinamento dos modelos. Além disso, os modelos treinados foram implementados em um aplicativo para dispositivos móveis. Essa abordagem demonstra como a IA, especificamente as CNNs, pode ser eficaz na classificação de imagens médicas, contribuindo para diagnósticos mais precisos e eficientes de doenças de pele.