Publicação
Detecção de Lesões de Câncer de Pele Utilizando Análise de Componentes Independentes e Análise Discriminante Linear
| Resumo: | O câncer de pele vem se configurando como o mais frequente em toda a população brasileira. A exposição excessiva à radiação solar é o fator principal de risco. Diante dessa situação, o método mais simples para a diminuição das taxas de incidência e mortalidade relativas ao câncer de pele é o diagnóstico precoce. Este trabalho tem como objetivo apresentar um método diagnóstico auxiliado por computador baseado em processamento de imagens para detecção de lesões de câncer de pele melanoma e não melanoma utilizando Análise de Componentes Independente (ICA) para extração de características, o algoritmo de máxima Relevância e Mínima Redundância (mRMR) para redução de dimensionalidade e Análise Discriminante Linear (LDA) para a classificação das imagens. A capacidade do método foi avaliada pela técnica de validação cruzada, e atingiu 100% de acurácia, 100% de sensibilidade e 100% de especificidade ao analisar todas as amostras. |
|---|---|
| Autores principais: | Reis, Luciano Marques Brito |
| Outros Autores: | Campos, Lúcio Flávio de A. |
| Assunto: | Análise de Componentes Independentes Análise Discriminante Linear Câncer de Pele |
| Ano: | 2018 |
| País: | Portugal |
| Tipo de documento: | artigo |
| Tipo de acesso: | unknown |
| Instituição associada: | Universidade Aberta |
| Idioma: | português |
| Origem: | Revista de Ciências da Computação |
| Resumo: | O câncer de pele vem se configurando como o mais frequente em toda a população brasileira. A exposição excessiva à radiação solar é o fator principal de risco. Diante dessa situação, o método mais simples para a diminuição das taxas de incidência e mortalidade relativas ao câncer de pele é o diagnóstico precoce. Este trabalho tem como objetivo apresentar um método diagnóstico auxiliado por computador baseado em processamento de imagens para detecção de lesões de câncer de pele melanoma e não melanoma utilizando Análise de Componentes Independente (ICA) para extração de características, o algoritmo de máxima Relevância e Mínima Redundância (mRMR) para redução de dimensionalidade e Análise Discriminante Linear (LDA) para a classificação das imagens. A capacidade do método foi avaliada pela técnica de validação cruzada, e atingiu 100% de acurácia, 100% de sensibilidade e 100% de especificidade ao analisar todas as amostras. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.