Publicação: Classificação de lesões cutâneas em imagens infravermelhas com redes neurais convolucionais
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
Este trabalho investiga o uso de redes neurais convolucionais na classificação de lesões cutâneas benignas e
malignas a partir de imagens de termografia infravermelha dinâmica, com foco no apoio ao diagnóstico de
câncer de pele. Partindo da hipótese de que o sinal discriminativo está associado à dinâmica de
reaquecimento da lesão, e não a um quadro estático isolado, cada sequência térmica foi tratada como a
unidade principal de avaliação. Caracterizado como pesquisa científica aplicada de natureza experimental, o
estudo empregou rótulos confirmados por biópsia, validação cruzada de cinco dobras agrupada por paciente
e, como métrica principal, a AUC agrupada com intervalo de confiança de 95% por reamostragem bootstrap
estratificada (também verificada com bootstrap agrupado por paciente). Foram comparados uma rede
convolucional própria treinada do zero, transferência de aprendizado (ResNet18) e modelos clássicos (SVM e
Random Forest) sobre representações extraídas da ResNet18 ajustada e atributos de dinâmica térmica. Os
melhores modelos atingiram uma AUC de aproximadamente 0,66, sem diferença detectável em relação ao
Random Forest no bootstrap pareado, enquanto a rede treinada do zero apresentou desempenho compatível
com o nível de acaso. Nenhuma das intervenções testadas (entrada temporal multicanal, enriquecimento de
atributos, agregação mais expressiva e combinação de modelos) superou o teto observado. Os resultados
indicam o tamanho amostral como uma das principais restrições nesta base, embora limitações de aquisição,
representação radiométrica e modelagem temporal também possam ter contribuído para o teto observado. O
trabalho contribui com um pipeline reprodutível e com uma avaliação criteriosa da viabilidade da termografia
dinâmica combinada a aprendizado de máquina como ferramenta complementar ao diagnóstico
dermatológico.
Abstract
This work investigates the use of convolutional neural networks for the classification of benign and malignant
skin lesions from dynamic infrared thermography images, aiming to support skin cancer diagnosis. Based on
the hypothesis that the discriminative signal is associated with the lesion's reheating dynamics rather than
with an isolated static frame, each thermal sequence was treated as the primary unit of evaluation.
Characterized as applied experimental research, the study used biopsy-confirmed labels, five-fold patientgrouped cross-validation and, as the main metric, the pooled AUC with a 95% confidence interval obtained by
stratified bootstrap resampling (also verified with a patient-grouped bootstrap). A custom convolutional
network trained from scratch, transfer learning (ResNet18) and classical models (SVM and Random Forest)
built on representations extracted from the fine-tuned ResNet18 together with thermal-dynamics features
were compared. The best models reached an AUC of approximately 0.66, with no detectable difference from
the Random Forest under paired bootstrap analysis, whereas the network trained from scratch showed
performance compatible with chance level. None of the tested interventions (multichannel temporal input,
feature enrichment, more expressive pooling and model ensembling) surpassed this ceiling. The results
suggest that sample size is one of the main constraints on this dataset, although acquisition, radiometric
representation and temporal modeling limitations may also have contributed to the observed performance
ceiling. The work contributes a reproducible pipeline and a careful assessment of the feasibility of dynamic
thermography combined with machine learning as a complementary tool for dermatological diagnosis.
Palavras-chave
Câncer de pele, Termografia infravermelha, Redes neurais convolucionais, Aprendizado de máquina, Diagnóstico assistido por computador, Skin cancer, Infrared thermography, Convolutional neural networks, Machine learning, Computer-aided diagnosis
Citação
SILVA, Cauê Grassi Ribeiro da. Classificação de lesões cutâneas em imagens infravermelhas com redes neurais convolucionais. 2026. 52 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2026.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto