Desenvolvimento e validação de rede neural artificial para suporte ao diagnóstico de melanoma em imagens dermatoscópicas / Development and validation of an artificial neural network to support the diagnosis of melanoma from dermoscopic images
Surg. cosmet. dermatol. (Impr.)
; 13: e20210015, jan.-dez. 2021.
Article
en Pt
|
LILACS-Express
| LILACS
| ID: biblio-1368576
Biblioteca responsable:
BR1889.9
RESUMO
Introdução:
Com o avanço da análise digital de imagens, análises preditivas e métodos de aprendizagem de máquina, surgiram estudos referentes ao uso da inteligência artificial nos exames de imagem como a dermatoscopia.Objetivo:
Construção, teste e implementação de uma rede neural artificial baseada em características de imagens dermatoscópicas.Métodos:
Foram incluídas 1949 imagens de nevos melanocíticos e melanomas, tanto de arquivos dos autores, quanto de bancos de imagens dermatoscópicas disponíveis na internet, e desenvolvidas rotinas e plugins para a extração de 58 características aplicadas a um algoritmo de construção de rede neural multicamadas. Quarenta imagens aleatórias foram também avaliadas por 52 dermatologistas e os acertos comparados.Resultados:
O treinamento e o teste da rede neural obtiveram uma porcentagem correta de classificação de 78,5 e 79,1%, respectivamente, com uma curva ROC abrangendo 86,5% da área. A sensibilidade e especificidade dos dermatologistas foi de 71,8 e 52%. Para as mesmas imagens e um ponto de corte de 0,4 (40%) do valor de saída, o aplicativo obteve valores de 62 e 56%, respectivamente.Conclusões:
Modelos de rede neural multicamada podem auxiliar na avaliação dermatoscópica de nevos melanocíticos e melanomas, quanto ao diagnóstico diferencial entre eles.ABSTRACT
Introduction:
With the advancement of digital image analysis, predictive analysis, and machine learning methods, studies have emerged regarding the use of artificial intelligence in imaging tests such as dermoscopy.Objective:
Construction, testing, and implementation of an artificial neural network based on characteristics of dermoscopic images.Methods:
1949 images of melanocytic nevi and melanomas were included, both from the authors' files and from dermoscopic image banks available on the internet, and routines and plugins were developed to extract 58 features applied to a multilayered neural network construction algorithm. Also, 52 dermatologists assessed 40 random images and compared the results compared.Results:
The training and testing of the neural network obtained a correct percentage of classification of 78.5% and 79.1%, respectively, with a ROC curve covering 86.5% of the area. The sensitivity and specificity of dermatologists were 71.8% and 52%. For the same images and a cutoff point of 0.4 (40%) of the output value, the application obtained 62% and 56% values, respectively.Conclusions:
Multilayer neural network models can assist in the dermoscopic evaluation of melanocytic nevi and melanomas regarding the differential diagnosis between them
Texto completo:
1
Colección:
01-internacional
Base de datos:
LILACS
Tipo de estudio:
Clinical_trials
/
Diagnostic_studies
/
Prognostic_studies
Aspecto:
Determinantes_sociais_saude
Idioma:
Pt
Revista:
Surg. cosmet. dermatol. (Impr.)
Asunto de la revista:
CIRURGIA GERAL
/
DERMATOLOGIA
Año:
2021
Tipo del documento:
Article
País de afiliación:
Brasil
Pais de publicación:
Brasil