Resumo-Este trabalho compara 8 algoritmos de aprendizado de máquina em função da sua acurácia média de classificação de 30 espécies de plantas. O sistema de classificação utiliza fotos de folhas como entrada para o sistema de classificação. Os resultados evidenciam que o algoritmo Análise de Discriminante Linear se mostrou o mais apropriado para este problema específico, chegando a 98,46% de acurácia média.
Na última década, as imagens médicas têm demonstrado relevante papel no diagnóstico precoce de câncer de pele, notadamente, com o advento das tecnologias de inteligência artificial que aprendem a diferenciar classes de imagens com base em imagens pré-classificadas, como por exemplo, aquelas obtidas em bancos de imagens médicas contendo lesões cutâneas classificadas como malignas ou benignas. Neste estudo apresentamos os resultados de identificação e classificação de lesões de pele quanto à malignidade usando uma plataforma de aprendizado de máquina desenvolvida em nosso laboratório — a “FAON_Machine_Learning_Platform (FAON_MLP)” — e as redes neurais convolucionais pré-treinadas ResNet 152 V2, VGG16, VGG19 e AlexNet. Para a avaliação de desempenho dos algoritmos segundo métricas objetivas, se usou um banco de dados público com imagens contendo lesões de pele classificadas como benignas ou malignas. Para ser mais preciso, o banco de dados de imagens possui 1800 imagens diagnosticadas com benignas e 1497 imagens diagnosticadas como malignas. São apresentados os resultados de desempenho dos diversos algoritmos. É discutida também uma avaliação comparativa entre as técnicas utilizadas e com outras técnicas reportadas na literatura. Os resultados se mostraram promissores na diferenciação entre lesões benignas e malignas, com grande potencial para auxiliar profissionais da área da saúde no diagnóstico precoce de câncer de pele, evitando os desdobramentos da sua não ocorrência, como procedimentos cirúrgicos, metástases e até mesmo óbito.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.