Detecção de anormalidades em imagens mamográficas com deep learning / Detecting abnormalities in mammographic images with deep learning
DOI:
https://doi.org/10.34119/bjhrv5n2-027Keywords:
câncer de mama, deep learning, diagnóstico.Abstract
Apesar dos inúmeros trabalhos na literatura para o combate ao câncer de mama, ainda existem inúmeros desafios no que diz respeito ao diagnóstico. Visando a obtenção de uma maior assertividade, o presente trabalho propõe um modelo de rede neural convolucional para extração de características de imagens mamográficas, visando uma diferenciação de regiões com presença de nódulos ou massas das regiões sem anormalidade. A partir das camadas convolutivas juntamente com técnicas de regularização foi construída uma rede neural convolucional, sendo utilizadas para treinamento, as bases do CBIS DDSM e Mini-DDSM que contém imagens com nódulos e normais. O modelo foi validado com o conjunto de imagens, obtendo índices de acurácia entre 92 a 98% e taxa de recall para regiões com nódulos de até 96%.
References
. Vieira SC. Oncologia básica. 1. ed. Teresina: Fundação Quixote, 2012.
. Rebecca Sawyer Lee, Francisco Gimenez, Assaf Hoogi, Daniel Rubin. Curated Breast Imaging Subset of DDSM [Dataset]. The Cancer Imaging Archive, 2016.
. C.D. Lekamlage, F. Afzal, E. Westerberg and A. Cheddad, “ Mini-DDSM: Mammography-based Automatic Age estimation, ” in the 3rd International Conference on Digital Medicine and Image Processing (DMIP 2020), ACM, Kyoto, Japan,
November 06-09,2020
. Doorn, J. van. Analysis of deep convolutional neural network architectures. 21th Twente Student Conference on IT, p. 1–7, 2014.
. Chollet, F. Deep Learning with Python. Shelter Island: Manning Publications Co., 2018. 361 p.
. Pratiwi, M.; Alexander; Harefa, J.; Nanda, S. Mammograms classification using gray-level co- occurrence matrix and radial basis function neural network. International Conference on Computer Science and Computational Intelligence (ICCSCI), p. 83–91, 2015.
. Araújo T, Aresta G, Castro E, Rouco J, Aguiar P, Eloy C, et al. Classification of breast cancer histology images using convolutional neural networks. PloS one. 2017 Jun 1;12(6):e0177544. pmid:28570557
. Wang Z, Li M, Wang H, Jiang H, Yao Y, Zhang H, et al. Breast cancer detection using extreme learning machine based on feature fusion with CNN deep features. IEEE Access. 2019 Jan 16;7:105146–58.
. Yu, Xiang & Kang, Cheng & Guttery, David & Kadry, Seifedine & Chen, Yang & Zhang, Yu-Dong. (2020). ResNet-SCDA-50 for Breast Abnormality Classification. IEEE/ACM Transactions on Computational Biology and Bioinformatics. PP. 1-1. 10.1109/TCBB.2020.2986544.
