Key points are not available for this paper at this time.
Abordagens tradicionais para o diagnóstico automático de lesões cutâneas consistiam em classificadores que trabalhavam com conjuntos de características feitas à mão, algumas das quais modelavam aspectos das lesões de especial importância para os dermatologistas. Recentemente, a ampla adoção de redes neurais convolucionais (CNNs) na maioria das tarefas de visão computacional trouxe um grande avanço em termos de desempenho. No entanto, com esse salto de desempenho, os sistemas de diagnóstico assistido por computador (CAD) baseados em CNN também trouxeram uma notável redução dos insights úteis fornecidos por características feitas à mão. Este artigo apresenta o DermaKNet, um sistema CAD baseado em CNNs que incorpora subsistemas específicos modelando propriedades de lesões cutâneas que são de especial interesse para dermatologistas, visando melhorar a interpretabilidade de seu diagnóstico. Nossos resultados provam que a incorporação desses subsistemas não apenas melhora o desempenho, mas também enriquece o diagnóstico ao fornecer saídas mais interpretáveis.
Iván González-Díaz (Fri,) estudou essa questão.