Classificação de Doenças de Pele usando Algoritmos de Aprendizado de Máquina

As doenças de pele são um grande número de doenças espalhadas pelo mundo. Seus diagnósticos são muito difíceis devido às dificuldades na textura da pele, presença de pelos na pele e cor. É necessário desenvolver métodos como o aprendizado de máquina para aumentar a precisão do diagnóstico de vários tipos de doenças de pele. Técnicas de aprendizado de máquina são amplamente utilizadas em áreas médicas para diagnóstico. Esses algoritmos usam valores de características das imagens como entrada para tomar uma decisão. O processo consiste em três estágios: a fase de extração de características, a fase de treinamento e a fase de teste. O processo faz uso da tecnologia de aprendizado de máquina para se treinar com as várias imagens de pele. O objetivo deste processo é aumentar a precisão da detecção de doenças de pele. Três características importantes na classificação de imagens são textura, cor e forma, além da combinação dessas. Neste trabalho, características de cor e textura são usadas para classificar a doença de pele. A cor da pele normal é diferente da pele com doença. A suavidade, aspereza e regularidade são efetivamente identificadas usando características de textura nas imagens. Assim, essas duas características são exploradas para identificar a doença de pele de forma eficaz. Neste trabalho, entropia, variância e valor máximo do histograma das características de Matiz-Saturação-Valor (HSV) são utilizados. Essas características são usadas para construir um algoritmo de aprendizado de máquina utilizando Árvore de Decisão (DT) e Máquina de Vetores de Suporte (SVM). No primeiro nível, a medida de entropia é usada para dividir a árvore. No segundo nível, a variância é utilizada para obter folhas para texturas. Nas características de cor, o valor máximo do histograma da medida HSV é usado para dividir a árvore. A precisão é utilizada para testar o desempenho do algoritmo proposto.