Análise comparativa de modelos de machie learning na predição de câncer de pele (2020)
- Authors:
- USP affiliated author: LOPES, THIAGO GONÇALVES GUIMARÃES - EEL
- School: EEL
- Subjects: ENGENHARIA; FÍSICA
- Keywords: Machine learning. Câncer de pele. Teste Binário e Multiclasse.
- Language: Português
- Abstract: LOPES, T. G. G. Análise comparativa de modelos de machine learning na predição de câncer de pele. 2020. 121 p. Monografia (Trabalho de Graduação de Engenharia Física) – Escola de Engenharia de Lorena, Universidade de São Paulo, Lorena, 2020. Existem diversas aplicações de Inteligência Artificial na área da medicina, especialmente na predição de doenças. Uma das comorbidades que mais acometem a sociedade atualmente é o câncer, sendo o de pele o tipo mais comum. Esse trabalho tem como objetivo empregar diferentes técnicas de Machine Learning para predição de câncer de pele em imagens de lesões. Dados coletados por instituições médicas e dermatológicas foram utilizados para extração de características que, após tratamentos de normalização e SMOTE (Synthetic Mi- nority Oversampling Technique), são usados para treinamento dos modelos de aprendizado de máquina supervisionados. Os hiperparâmetros de cada um foram obtidos pelo processo de validação cruzada. Os algoritmos de machine learning avaliados nesta monografia são: Regressão Logística; Naive Bayes; Árvore de Decisões; Floresta Aleatória; Árvores Extremamente Aleatória; KNN (K-Nearest Neighbors); RNN (Radius Nearest Neighbors); Adaptative Boosting; Gradient Boosting; SVM (Support Vector Machine) e RNA-MLP (Redes Neurais Artificiais Multi Layer Perceptron). Para avaliar o desempenho dos modelos os dados foram divididos na proporção 80% para treino e 20% para testes. Os resultados para cada um variavam em acurácia, sendo os algoritmos com melhores resultados o Gradient Boosting, SVM com kernel linear e polinomial, Floresta Aleatória, Regressão Logística, Árvores Extremamente Aleatórias e RNA-MLP. Os valores de acurácia variaram de 82,44% até 95% para testes binários e multiclasse.
- Imprenta:
-
ABNT
LOPES, Thiago Gonçalves Guimarães. Análise comparativa de modelos de machie learning na predição de câncer de pele. 2020. Trabalho de Conclusão de Curso (Graduação) – EEL, Lorena, 2020. Disponível em: https://bdta.abcd.usp.br/directbitstream/d80670dc-9090-4ee5-9ed1-f258db92e179/THIAGO%20GON%C3%87ALVES.pdf. Acesso em: 13 maio 2024. -
APA
Lopes, T. G. G. (2020). Análise comparativa de modelos de machie learning na predição de câncer de pele (Trabalho de Conclusão de Curso (Graduação). EEL, Lorena. Recuperado de https://bdta.abcd.usp.br/directbitstream/d80670dc-9090-4ee5-9ed1-f258db92e179/THIAGO%20GON%C3%87ALVES.pdf -
NLM
Lopes TGG. Análise comparativa de modelos de machie learning na predição de câncer de pele [Internet]. 2020 ;[citado 2024 maio 13 ] Available from: https://bdta.abcd.usp.br/directbitstream/d80670dc-9090-4ee5-9ed1-f258db92e179/THIAGO%20GON%C3%87ALVES.pdf -
Vancouver
Lopes TGG. Análise comparativa de modelos de machie learning na predição de câncer de pele [Internet]. 2020 ;[citado 2024 maio 13 ] Available from: https://bdta.abcd.usp.br/directbitstream/d80670dc-9090-4ee5-9ed1-f258db92e179/THIAGO%20GON%C3%87ALVES.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
THIAGO GONÇALVES.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
