Classificazione automatica delle lesioni cutanee = Automatic skin lesions classification

Il presente lavoro si incentra sull'analisi e classificazione delle lesioni cutanee attraverso l'uso della rete neurale Inception V3, sulla quale si è intervenuto con opportuni adattamenti. Tra le diverse tipologie di lesioni cutanee, sono state individuate sette classi, valutate le più rilevanti a livello di prognosi medica. Partendo da altri due dataset preesistenti (HAM 10000 e ISIC), la prima fase del lavoro è stata incentrata sulla creazione di un dataset bilanciato, con l'obbiettivo specifico di ottenere prestazioni elevate e un alto tasso di apprendimento delle features specifiche di ogni classe. Non è stato però possibile raggiungere tale obbiettivo per mancanza di un sufficiente numero di immagini per classe. Nonostante l'elevato numero di istanze presenti nei due dataset, le classi meno popolose sono rimaste tali, pur aumentando in modo significativo la loro popolazione. Pertanto, successivamente si è implementato un processo di Data Augmentation al fine di aumentare il numero di esempi da fornire al modello. Il modello è stato addestrato con batch da 32 immagini dermatoscopiche ciascuno, per un totale di 5469 immagini di training. È stato validato usando batch da 32 immagini per un totale di 1367 immagini, mentre il test set è composto da 1710 immagini. I risultati della fase di test sono risultati ottimali per quasi tutte le classi tranne due; dermatofibromi e cheratosi attiniche. Escluse le due classi sopracitate, si ha un'accuracy media per classe dell'88,6\%. La stessa per le classi di nevo e melanoma è rispettivamente del 98,86% e 85,01%, ottenendo un F1-score del 96% e dell'89%. Si è ritrovato che la causa principale del calo di prestazioni derivasse dai pochi esempi presenti nelle classi di cheratosi attinica e dermatofibromi. Infine come ultimo processo di verifica, è stata svolta un'ulteriore classificazione dei risultati ottenuti nelle macro categorie di lesioni maligne e lesioni benigne. Tale risultato finale presenta una misclassificazione dell'8,89\% e un F1-score globale dell'88,12%.