dc.description.abstract |
RESUMO: Uma complicação causada pelo diabetes mellitus é o aparecimento de feridas situadas na
região dos pés denominadas Úlceras do Pé Diabético. O tratamento tardio ou inadequado
pode acarretar o surgimento de infecção ou isquemia da úlcera que, em estado avançado,
pode ocasionar a amputação dos membros inferiores. Neste trabalho, foi realizado um
comparativo do desempenho das arquiteturas VGG-16, VGG-19, InceptionV3, ResNet50,
InceptionResNetV2, DenseNet201, MobileNetV2 e EfficientNetB0 na classificação de
imagens de Úlceras do Pé Diabético de duas bases de dados públicas com um total de 8.250
imagens. Para estas redes, foi aplicado um refinamento profundo com e sem alterações
nas camadas finais (totalmente conectadas). Além disso, as redes VGG-16 e VGG-19
sofreram alterações na arquitetura interna, sendo adicionadas camadas de dropout e batch
normalization. A avaliação proposta levou em consideração quatro classes: inexistente (que
contém imagens de pele saudável, úlceras em processo de cicatrização e de úlceras sem
isquemia ou infecção), isquemia, infecção e ambas (úlceras com isquemia e infecção). As
melhores configuração das redes testadas foram as VGG-16 e VGG-19 com uma camada
densa de 512 unidades e com camadas de batch normalization, que obtiveram índice Kappa
acima dos 89,00% e uma acurácia média de 93,44% e 93,45%, respectivamente. Embora,
as redes VGGs tenham obtidas métricas bem próximas, propomos para a classificação de
úlceras do pé diabético a VGG-19 com batch normalization (denominada DFU-VGG), pois,
esta configuração de rede classificou erroneamente como inexistente 7,65% das imagens
de infecção, enquanto a VGG-16 com batch normalization fez o mesmo com 8,35% das
imagens de infecção classificando-as como da classe inexistente. Os resultados alcançados
demonstram que a DFU-VGG proposta consegue classificar corretamente as imagens, visto
que, nos testes realizados o índice kappa atingiu valores considerados “Excelentes”.
ABSTRACT: A complication caused by diabetes mellitus is the appearance of wounds located in the
region of the feet called Diabetic Foot Ulcers. Late or inadequate treatment can lead to
the onset of infection or ischemia of the ulcer, which, in an advanced stage, can cause the
amputation of the lower limbs. In this work, a comparison of the performance of the VGG-16, VGG-19, InceptionV3, ResNet50, InceptionResNetV2, DenseNet201, MobileNetV2 and
EfficientNetB0 architectures in the classification of Diabetic Foot Ulcer images from two
public databases with a total of 8,250 images was carried out. For these networks, a deep
refinement with no changes in the final layers (fully connected) was applied. In addition,
the VGG-16 and VGG-19 networks underwent changes in their internal architecture,
with the addition of dropout and batch normalization layers. The proposed evaluation
considered four classes: none (which contains images of healthy skin, ulcers in the process
of healing and ulcers without ischaemia or infection), ischaemia, infection and both (ulcers
with ischaemia and infection). The best configurations of the tested networks were the
VGG-16 and VGG-19 with a dense layer of 512 neurons and with batch normalization
layers, which obtained Kappa index larger than 89.00% and an average accuracy of 93.44%
and 93.45%, respectively. Although VGGs networks have obtained very close metrics, we
propose VGG-19 with batch normalization (called DFU-VGG) for the classification of
diabetic foot ulcers, as it wrongly classified 7,65% of the infection images as none, while
the VGG-16 with batch normalization did the same with 8,35% of the infection images.
The results showed that DFU-VGG proposed is able to classify such images, since, in the
tests performed, the kappa index reached values considered “Excelent”. |
pt_BR |