Redes Neurais Convolucionais aplicadas na análise de imagens médicas: Um mapeamento de casos de câncer de mama

Abstract

O câncer de mama é uma realidade para muitos brasileiros atingindo em média mais de 70 mil pessoas anualmente desde 2022. Apesar de ser uma doença mais comum em mulheres, uma pequena parcela de homens também podem apresentá-la. Dado isso, o foco deste estudo é investigar como uso de redes neurais convolucionais (CNNs) para análise de imagens de mamografia, visando avaliar sua eficiência como ferramenta auxiliar no diagnóstico precoce em consideração a todos os métodos e processos necessários para determinar a existência da doença, pode reduzir o tempo necessário para um diagnóstico quando usados pelos médicos em suas análises, e com isso aumentar as chances de tratamentos menos rigorosos e invasivos. Empregando dois modelos de redes neurais nesse trabalho: o AlexNet, um modelo de análise de imagens mais antigo, porém robusto, e o ResNet, com uma arquitetura de camadas mais performática. Para ambos foi usado o mesmo dataset, onde as imagens foram trabalhadas para se adequarem a cada modelo, para o AlexNet foi um pouco diferente na parte de sua montagem, por ser mais antigo cada camada precisou ser definida diferente do ResNet que possui um modelo pré-treinado que é o ResNet50, deixando assim mais simples sua implementação e complexo o seu processamento. Com os primeiros resultados apenas alguns ajustes foram feitos, assim pôde ser analisado todo o processamento e retorno de cada conjunto para os parâmetros submetidos, tais como o número de épocas, padrões de normalização, conjunto de treino e teste, controle de overfitting, tudo para garantir que os modelos fossem treinados da melhor e mais eficiente forma possível.A partir disso os resultados de alguns atingiram em média valores de 86% e 87% de acurácia para o AlexNet e ResNet50 respectivamente se mostrando modelos eficientes para a análise e identificação dos casos para as mamografias com um bom nível de retorno para o objetivo proposto.