Classificazione delle lesioni melanocitarie della cute attraverso le reti neurali artificiali

Melanoma is the deadliest and the most aggressive of all types of skin cancer. The incidence of the disease has been steadily increasing in recent decades, and despite widespread awareness-raising campaigns, the mortality rate remains high. The aim of this thesis was to apply the use of artificial intelligence to the classification of images related to melanocytic lesions of the skin. 336 images of skin lesions provided by the department of dermatology of the Hospital of the University of Ancona were used. The first step was to develop an algorithm for extracting clinically significant features from skin lesion images. These features were subsequently used to train an artificial neural network to autonomously distinguish melanocytic lesions of the skin. Several experiments have been conducted using different architectures of the neural network and different activation functions of the single neurons that compose it. The performance of the network was examined on images of lesions not used in training, this particular set of data is called the "test set". Taking into account all the trials that have been carried out, the neural network showed a sensitivity of 75%, and a specificity of 79% for the test set. These performances are not very far from the attempts documented in the literature to classify melanocytic lesions of the skin by applying artificial intelligence techniques.

Il melanoma è il cancro cutaneo più aggressivo e letale. L'incidenza della malattia è in costante aumento negli ultimi decenni e nonostante le diffuse campagne di screening la mortalità resta elevata. L'obiettivo di questa tesi è stato applicare l'uso dell'intelligenza artificiale alla classificazione di immagini relative a lesioni melanocitarie della cute. Sono state utilizzate 336 immagini di lesioni cutanee fornite dalla clinica di dermatologia dell'ospedale universitario di Ancona. Il primo passo è stato sviluppare un algoritmo per l' estrazione delle caratteristiche clinicamente significative dalle immagini delle lesioni cutanee. Tali caratteristiche sono state successivamente usate per addestrare una rete neurale artificiale a discriminare in maniera autonoma le lesioni melanocitarie della cute. Sono stati fatti diversi esperimenti usando diverse architetture della rete neurale artificiale e diverse funzioni di attivazione dei singoli neuroni che la compongono. Le prestazioni della rete sono state misurate su immagini di lesioni non usate in fase di addestramento, questo particolare insieme di dati è denominato "test set". Tenendo conto di tutti i tentativi effettuati, la rete neurale artificiale ha mostrato, per quanto riguarda il test set, una sensibilità del 75% e una specificità del 79%. Queste performance non sono molto distanti dai tentativi presenti in letteratura di classificare le lesioni melanocitarie della cute applicando tecniche di intelligenza artificiale.