Busca avançada
Ano de início
Entree

Geração ilimitada de imagens de lesões de pele usando redes generativas adversariais

Processo: 19/19619-7
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de junho de 2020
Vigência (Término): 31 de agosto de 2022
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Sandra Eliza Fontes de Avila
Beneficiário:Alceu Emanuel Bissoto
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Vinculado ao auxílio:13/08293-7 - CECC - Centro de Engenharia e Ciências Computacionais, AP.CEPID
Assunto(s):Aprendizagem profunda   Aprendizado computacional   Ferimentos e lesões   Pele   Neoplasias cutâneas   Redes adversárias generativas

Resumo

Melanoma é a forma mais letal de Câncer de pele. Análise automática de lesão de pele pode ter uma participação decisiva para detecção precoce, que é vital para o tratamento dos pacientes. Redes neurais profundas são o estado da arte para análise de imagens de lesões de pele, porém a falta de dados anotados limita a performance de classificação dessas redes. Começamos em 2017 a gerar imagens anotadas para nosso modelos de classificação com Redes Generativas Adversariais (GANs, do inglês Generative Adversarial Networks). A GAN aprende a distribuição dos dados, permitindo-nos amostrar imagens dessa distribuição, possibilitando um método complementar a aumentação de dados. No nosso último trabalho, geramos imagens de alta resolução, e com relevância clínica, que quando usadas para aumentar o conjunto de treino da nossa rede de classificação, melhorou a performance. Porém, nosso método tem limitações. A quantidade de imagens sintéticas que conseguimos gerar é limitada por uma anotação especial que está disponível apenas para um conjunto menor de dados. Isso é problemático pois queremos gerar quantidades ilimitadas de dados para impulsionar a classificação de lesões de pele. Nesse projeto de pesquisa de doutorado, exploramos métodos para geração ilimitada: propomos soluções para incorporar informação clínica relevante ao processo de geração da GAN, de forma a manter a qualidade das imagens, sem sacrificar a quantidade ou variabilidade. Acreditamos que nossa experiência em modelos generativos e em análise de lesões de pele nos qualifica a realizar esse trabalho que busca melhorar o estado da arte atual para geração de imagens de lesões de pele, e classificação. Destacamos que nosso grupo está na vanguarda do cenário internacional dessa pesquisa, sendo responsável por resultados revolucionários associados à análise de lesões de pele. (AU)

Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre a bolsa::
Diagnósticos digitales 
Diagnósticos digitais 
Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)