Dias, Fernando Manuel Rosmaninho Morgado FerrãoMendonça, Fábio Ruben SilvaVieira, Jonathan José Camacho2025-12-052025-12-052025-06-11http://hdl.handle.net/10400.13/7492Nos últimos anos, tem-se observado um aumento substancial nos casos de cancro de pele. Porém, a deteção precoce de cancro é de grande relevância pois aumenta consideravelmente a probabilidade de cura. Neste contexto, disponibilizar uma fer ramenta gratuita de auxílio à deteção de lesões na pele pode contribuir para a redução dos riscos para a população, especialmente para os grupos economicamente vulneráveis. Com o avanço da tecnologia, os dispositivos móveis inteligentes (smart phones) tornaram-se mais acessíveis à população em geral, dando a possibilidade de utilizar estes equipamentos para fornecer uma ferramenta de classificação de lesões, alertando o utilizador para a necessidade de consultar um especialista. O uso da inteligência artificial, na classificação de imagens, permite realizar uma análise de forma rápida e económica das lesões da pele, podendo ser utilizado como um sis tema de triagem inicial na consulta para um especialista. Este trabalho apresenta uma solução multiplataforma para a classificação de lesões de pele, utilizando trans fer learning com modelos pré-treinados, ajustados para a classificação de lesões da pele em sete categorias, nomeadamente Queratoses Actínicas (akiec), Carcinoma Basocelular (bcc), Lesões benignas semelhantes à Queratose (bkl), Dermatofibroma (df ), Melanoma (mel), Nevos melanocíticos (nv) e Lesões Vasculares (vasc). Para tal, 38 arquiteturas de redes neuronais profundas foram analisadas e desenvolvi mento das mesmas foi realizado utilizando o conjunto de dados com 10.015 imagens. O melhor desempenho foi alcançado usando a arquitetura ConvNeXtXLarge, ob tendo uma exatidão e f1 score de 87,62% e 76,15%, respetivamente. Desta forma, a aplicação desenvolvida permite ao utilizador submeter uma imagem, que é envi ada ao servidor para classificação, garantindo a privacidade da imagem através de encriptação.In recent years, there has been a significant rise in skin cancer cases. Early detection is crucial, as it considerably increases the likelihood of a cure. In this context, provid ing a free tool for detecting skin lesions could help reduce health risks, particularly for economically vulnerable groups. With the advancement of technology, smartphones have become more accessible to the general population, giving the possibility of us ing these devices to provide a skin lesion classification tool alerting the user about the need to consult a specialist, improving early diagnosis rates. The use of artificial intelligence in image classification allows for a quick and cost-effective analysis of skin lesions, and can be used as an initial screening system, assisting individuals in determining when professional medical evaluation is necessary. This work presents a multiplatform solution for skin lesion classification, using transfer learning with pre-trained models, fine-tuned for classification of skin lesions into seven categories, namely, Actinic Keratoses (akiec), Basal Cell Carcinoma (bcc), Benign Keratosis like Lesions (bkl), Dermatofibroma (df ), Melanoma (nv), Melanocytic Nevi (nv) and Vascular Lesions (vasc). For this purpose, 38 Deep Neural Network architec tures were analyzed and their development was performed using the dataset with 10.015 images. The best performance was achieved using the ConvNeXtXLarge ar chitecture, obtaining accuracy and f1 score of 87.62% and 76.15%, respectively. In this way, the developed application allows the user to send an image, which is sent to the server for classification, ensuring the privacy of the image through encryption.porCancro de peleSmartphoneInteligência artificialRede neuronalSkin cancerArtificial intelligenceDeep neural networksEngenharia Informática.Faculdade de Ciências Exatas e da Engenhariamaster thesis204058880