APLICAÇÃO DE VISÃO COMPUTACIONAL E TRANSFER LEARNING COM REDES NEURAIS CONVOLUCIONAIS PARA PREDIÇÃO DE MELANOMA EM IMAGENS DERMATOLÓGICAS

Resumo

Este trabalho tem como objetivo desenvolver e avaliar um modelo de aprendizado profundo para a predição de melanoma em imagens dermatológicas, utilizando técnicas de Visão Computacional e Transfer Learning com Redes Neurais Convolucionais (CNNs). A pesquisa baseia-se na arquitetura EfficientNetB7 pré-treinada no ImageNet, adaptada para classificação binária entre “melanoma” e “não melanoma”. O método inclui etapas de pré-processamento das imagens, aumento de dados (data augmentation) e ajuste fino dos parâmetros (fine-tuning), aplicados ao conjunto de dados públicos Melanoma – Dr. Scarlat”, disponível no Kaggle. O desenvolvimento do modelo de aprendizagem foi desenvolvido em Python, utilizando bibliotecas como TensorFlow, Keras e NumPy. Os resultados obtidos demonstraram que o modelo alcançou desempenho satisfatório, com métricas de acurácia e sensibilidade adequadas à tarefa de diagnóstico assistido. Conclui-se que a aplicação de Transfer Learning em CNNs pode reduzir significativamente a necessidade de grandes volumes de dados rotulados, tornando o método uma ferramenta promissora para o auxílio clínico na detecção precoce do melanoma, especialmente em regiões com acesso limitado a especialistas.