A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification
Descripción del Articulo
Descargue el texto completo en el repositorio institucional de la Universidade Estadual de Campinas: https://hdl.handle.net/20.500.12733/8185
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de Publicación: | 2022 |
| Institución: | Superintendencia Nacional de Educación Superior Universitaria |
| Repositorio: | Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
| Lenguaje: | portugués |
| OAI Identifier: | oai:renati.sunedu.gob.pe:renati/6681 |
| Enlace del recurso: | https://renati.sunedu.gob.pe/handle/sunedu/3399533 https://hdl.handle.net/20.500.12733/8185 |
| Nivel de acceso: | acceso abierto |
| Materia: | Aprendizaje profundo Procesamiento de imagen asistido por computador Diagnóstico por imagen Inteligencia artificial Dermatología Melanoma https://purl.org/pe-repo/ocde/ford#1.02.01 |
| id |
RENATI_d47f10306a0ebdbd14d5cfede3724ea7 |
|---|---|
| oai_identifier_str |
oai:renati.sunedu.gob.pe:renati/6681 |
| network_acronym_str |
RENATI |
| network_name_str |
Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
| repository_id_str |
|
| dc.title.en_US.fl_str_mv |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification |
| dc.title.alternative.pt_BR.fl_str_mv |
Uma Análise Comparativa de Métodos de Inteligência Artificial Explicáveis para Classificação de Lesões de Pele Un análisis comparativo de los métodos de inteligencia artificial explicable para la clasificación de lesiones de piel |
| title |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification |
| spellingShingle |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification Paccotacya Yanque, Rosa Yuliana Gabriela Aprendizaje profundo Procesamiento de imagen asistido por computador Diagnóstico por imagen Inteligencia artificial Dermatología Melanoma https://purl.org/pe-repo/ocde/ford#1.02.01 |
| title_short |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification |
| title_full |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification |
| title_fullStr |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification |
| title_full_unstemmed |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification |
| title_sort |
A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion Classification |
| author |
Paccotacya Yanque, Rosa Yuliana Gabriela |
| author_facet |
Paccotacya Yanque, Rosa Yuliana Gabriela |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Fontes de Avila, Sandra Eliza |
| dc.contributor.author.fl_str_mv |
Paccotacya Yanque, Rosa Yuliana Gabriela |
| dc.subject.es_PE.fl_str_mv |
Aprendizaje profundo Procesamiento de imagen asistido por computador Diagnóstico por imagen Inteligencia artificial Dermatología Melanoma |
| topic |
Aprendizaje profundo Procesamiento de imagen asistido por computador Diagnóstico por imagen Inteligencia artificial Dermatología Melanoma https://purl.org/pe-repo/ocde/ford#1.02.01 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.02.01 |
| description |
Descargue el texto completo en el repositorio institucional de la Universidade Estadual de Campinas: https://hdl.handle.net/20.500.12733/8185 |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2023-05-09T14:30:32Z |
| dc.date.available.none.fl_str_mv |
2023-05-09T14:30:32Z |
| dc.date.issued.fl_str_mv |
2022 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| dc.identifier.uri.none.fl_str_mv |
https://renati.sunedu.gob.pe/handle/sunedu/3399533 https://hdl.handle.net/20.500.12733/8185 |
| url |
https://renati.sunedu.gob.pe/handle/sunedu/3399533 https://hdl.handle.net/20.500.12733/8185 |
| dc.language.iso.es_PE.fl_str_mv |
por |
| language |
por |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidade Estadual de Campinas |
| dc.publisher.country.es_PE.fl_str_mv |
BR |
| dc.source.es_PE.fl_str_mv |
Superintendencia Nacional de Educación Superior Universitaria - SUNEDU |
| dc.source.none.fl_str_mv |
reponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI instname:Superintendencia Nacional de Educación Superior Universitaria instacron:SUNEDU |
| instname_str |
Superintendencia Nacional de Educación Superior Universitaria |
| instacron_str |
SUNEDU |
| institution |
SUNEDU |
| reponame_str |
Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
| collection |
Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
| dc.source.uri.es_PE.fl_str_mv |
Registro Nacional de Trabajos de Investigación - RENATI |
| bitstream.url.fl_str_mv |
https://renati.sunedu.gob.pe/bitstream/renati/6681/1/PaccotacyaYanqueRYG.pdf https://renati.sunedu.gob.pe/bitstream/renati/6681/2/Autorizacion.pdf https://renati.sunedu.gob.pe/bitstream/renati/6681/3/license.txt https://renati.sunedu.gob.pe/bitstream/renati/6681/4/PaccotacyaYanqueRYG.pdf.txt https://renati.sunedu.gob.pe/bitstream/renati/6681/6/Autorizacion.pdf.txt https://renati.sunedu.gob.pe/bitstream/renati/6681/5/PaccotacyaYanqueRYG.pdf.jpg https://renati.sunedu.gob.pe/bitstream/renati/6681/7/Autorizacion.pdf.jpg |
| bitstream.checksum.fl_str_mv |
eb6e4a740eb35de9cfee4072780b2fb5 54192febab14a8be14a744e5100a645e 8a4605be74aa9ea9d79846c1fba20a33 dd861edb95bcf8391488f035eccd0467 26022ac7ef69943285e60be5236701d4 58397769bb9b41b8e7d1aec17ddd7d38 70c2f3eea6901b83aaf958c746de6abb |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Registro Nacional de Trabajos de Investigación |
| repository.mail.fl_str_mv |
renati@sunedu.gob.pe |
| _version_ |
1816177329931550720 |
| spelling |
Fontes de Avila, Sandra ElizaPaccotacya Yanque, Rosa Yuliana Gabriela2023-05-09T14:30:32Z2023-05-09T14:30:32Z2022https://renati.sunedu.gob.pe/handle/sunedu/3399533https://hdl.handle.net/20.500.12733/8185Descargue el texto completo en el repositorio institucional de la Universidade Estadual de Campinas: https://hdl.handle.net/20.500.12733/8185Deep Learning ha mostrado resultados sobresalientes en tareas de visión por computadora, y el área de la salud no es la excepción. Deep Learning (DL) puede ayudar a los dermatólogos en el diagnóstico temprano de cáncer de piel, ayudando a salvar muchas vidas. Sin embargo, no existe una forma sencilla de mapear el proceso de toma de decisiones de los modelos DL. Para las predicciones de cáncer de piel, no es suficiente tener una buena precisión, es necesario comprender el comportamiento del modelo para implementarlo clínicamente y obtener predicciones confiables. En este trabajo, identificamos desiderátums para explicaciones en modelos de lesiones de piel y presentamos un estudio sobre cómo se utiliza actualmente la Inteligencia Artificial explicable (XAI) para las lesiones cutáneas. Además, analizamos siete métodos (cuatro basados en atribución de píxeles y tres en conceptos de alto nivel): Grad-CAM, Score-CAM, LIME, SHAP, ACE, ICE, CME para dos redes neuronales profundas, Inception-v4 y ResNet-50, entrenadas en el Archivo de Colaboración Internacional de Imágenes de la Piel (ISIC). Nuestros resultados indican que, aunque estas técnicas muestran de forma efectiva lo que busca el modelo para realizar su predicción, las explicaciones obtenidas no son lo suficientemente completas para obtener transparencia en estos modelos.Deep Learning has shown outstanding results in computer vision tasks, and healthcare is no exception. Deep Learning (DL) can assist dermatologists in early skin cancer diagnosis, saving many lives. However, there is no straightforward way to map out the decisionmaking process of DL models. For skin cancer predictions, it is not enough to have good accuracy. Understanding the model’s behavior is needed to implement it clinically and get reliable predictions. We identify desiderata for explanations in skin-lesion models and present a study about how eXplainable Artificial Intelligence (XAI) is currently used for skin lesions. We analyzed seven methods (four based on pixel-attribution and three highlevel concepts): Grad-CAM, Score-CAM, LIME, SHAP, ACE, ICE, CME for two deep neural networks, Inception-v4 and ResNet-50, trained on the International Skin Imaging Collaboration Archive (ISIC). Our findings indicate that while these techniques effectively show what the model is looking to predict, the obtained explanations need to be completed more to get transparency into the skin-lesion models.Deep Learning tem mostrado excelentes resultados em tarefas de visão computacional, e a área de saúde não é exceção. Deep Learning pode auxiliar os dermatologistas no diagnóstico precoce de câncer de pele, o que pode salvar muitas vidas. No entanto, não há uma maneira direta de mapear o processo de tomada de decisão dos modelos DL. Para previsões de câncer de pele, não basta ter uma boa precisão; é necessário entender o comportamento do modelo para implementá-lo clinicamente e obter previsões confiáveis. Neste trabalho, identificamos desideratos para explicações em modelos de lesões de pele e apresentamos um estudo sobre como a eXplainable Artificial Intelligence está sendo usada atualmente para lesões de pele. Analisamos sete métodos (quatro baseados em atribuição de pixels e três baseados em conceitos de alto nível): Grad-CAM, Score-CAM, LIME, SHAP, ACE, ICE, CME para duas redes neurais profundas, Inception-v4 e ResNet-50, treinadas no International Skin Imaging Collaboration Archive (ISIC). Nossos resultados indicam que, embora essas técnicas mostrem efetivamente o que o modelo está procurando para fazer sua previsão, as explicações obtidas não são completas o suficiente para obter transparência nos modelos de lesão de pele.Brasil. Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)application/pdfporUniversidade Estadual de CampinasBRinfo:eu-repo/semantics/openAccessSuperintendencia Nacional de Educación Superior Universitaria - SUNEDURegistro Nacional de Trabajos de Investigación - RENATIreponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATIinstname:Superintendencia Nacional de Educación Superior Universitariainstacron:SUNEDUAprendizaje profundoProcesamiento de imagen asistido por computadorDiagnóstico por imagenInteligencia artificialDermatologíaMelanomahttps://purl.org/pe-repo/ocde/ford#1.02.01A Comparative Analysis of eXplainable Artificial Intelligence Methods for Skin Lesion ClassificationUma Análise Comparativa de Métodos de Inteligência Artificial Explicáveis para Classificação de Lesões de PeleUn análisis comparativo de los métodos de inteligencia artificial explicable para la clasificación de lesiones de pielinfo:eu-repo/semantics/masterThesisUniversidade Estadual de Campinas. Instituto de ComputaçãoCiencia de la ComputaciónMagíster en Ciencia de la Computaciónhttp://purl.org/pe-repo/renati/level#maestrohttps://orcid.org/0000-0001-9068-938X73228524Fontes de Avila, Sandra ElizaMachado Traina, Agma JuciPujólli da Silva, Emelyhttp://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALPaccotacyaYanqueRYG.pdfPaccotacyaYanqueRYG.pdfDisertación (abierta en repositorio de origen)application/pdf2047177https://renati.sunedu.gob.pe/bitstream/renati/6681/1/PaccotacyaYanqueRYG.pdfeb6e4a740eb35de9cfee4072780b2fb5MD51Autorizacion.pdfAutorizacion.pdfAutorización del registroapplication/pdf233225https://renati.sunedu.gob.pe/bitstream/renati/6681/2/Autorizacion.pdf54192febab14a8be14a744e5100a645eMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://renati.sunedu.gob.pe/bitstream/renati/6681/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTPaccotacyaYanqueRYG.pdf.txtPaccotacyaYanqueRYG.pdf.txtExtracted texttext/plain150449https://renati.sunedu.gob.pe/bitstream/renati/6681/4/PaccotacyaYanqueRYG.pdf.txtdd861edb95bcf8391488f035eccd0467MD54Autorizacion.pdf.txtAutorizacion.pdf.txtExtracted texttext/plain6742https://renati.sunedu.gob.pe/bitstream/renati/6681/6/Autorizacion.pdf.txt26022ac7ef69943285e60be5236701d4MD56THUMBNAILPaccotacyaYanqueRYG.pdf.jpgPaccotacyaYanqueRYG.pdf.jpgGenerated Thumbnailimage/jpeg1362https://renati.sunedu.gob.pe/bitstream/renati/6681/5/PaccotacyaYanqueRYG.pdf.jpg58397769bb9b41b8e7d1aec17ddd7d38MD55Autorizacion.pdf.jpgAutorizacion.pdf.jpgGenerated Thumbnailimage/jpeg1663https://renati.sunedu.gob.pe/bitstream/renati/6681/7/Autorizacion.pdf.jpg70c2f3eea6901b83aaf958c746de6abbMD57renati/6681oai:renati.sunedu.gob.pe:renati/66812023-05-10 03:12:17.18Registro Nacional de Trabajos de Investigaciónrenati@sunedu.gob.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 |
| score |
13.945456 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
