Explorando DCGANs na geração de imagens citológicas para diagnóstico assistido por computador

• Vitória Maria S. Bispo UFOP
• Natália Fernanda de C. Meira UFOP
• Ricardo A. R. Campos UFOP
• Andrea G. Campos Bianchi UFOP

DOI: https://doi.org/10.5753/ercas.2024.238706

Resumo

Na área de citologia, a precisão dos diagnósticos assistidos por computador depende do treinamento do modelo de inteligência artificial com um extenso conjunto de dados rotulados. Este trabalho propõe a utilização de Redes Generativas Adversárias Convolucionais Profundas (DCGANs) para gerar imagens artificiais para ampliar a quantidade e a diversidade das amostras citológicas para treinamento. Foram desenvolvidos dois modelos: uma DCGAN convencional e uma pré-treinada a partir dos parâmetros da primeira. Os resultados qualitativos sugerem que as imagens sintéticas produzidas são representativas de células cervicais de diferentes classes, enquanto os resultados preliminares dos classificadores demonstraram uma acurácia acima de 70%.

Referências

Diniz, D. N., Rezende, M. T., Bianchi, A. G., Carneiro, C. M., Ushizima, D. M., de Medeiros, F. N., and Souza, M. J. (2021). A hierarchical feature-based methodology to perform cervical cancer classification. Applied Sciences, 11(9):4091.

Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., and Bengio, Y. (2020). Generative adversarial networks. Commun. ACM, 63(11):139–144.

Lange, H. and Ferris, D. G. (2005). Computer-aided-diagnosis (cad) for colposcopy. In Medical Imaging 2005: Image Processing, volume 5747, pages 71–84. SPIE.

Plissiti, M. E., Dimitrakopoulos, P., Sfikas, G., Nikou, C., Krikoni, O., and Charchanti, A. V. (2018). Sipakmed: A new dataset for feature and image based classification of normal and pathological cervical cells in pap smear images. 2018 25th IEEE Int. Conf.on Image Proc. (ICIP), pages 3144–3148.

Radford, A., Metz, L., and Chintala, S. (2016). Unsupervised representation learning with deep convolutional generative adversarial networks. In 4th Int. Conf. on Learn. Rep., ICLR 2016.

Rezende, M. T., Bianchi, A. G. C., and Carneiro, C. M. (2021a). Cervical cancer: Automation of pap test screening. Diag. Cyto., 49(4):559–574.

Rezende, M. T., Silva, R., Bernardo, F. d. O., Tobias, A. H., Oliveira, P. H., Machado, T. M., Costa, C. S., Medeiros, F. N., Ushizima, D. M., Carneiro, C. M., et al. (2021b). Cric searchable image database as a public platform for conventional pap smear cytology data. Scientific Data, 8(1):1–8.

Yu, S., Zhang, S., Wang, B., Dun, H., Xu, L., Huang, X., Shi, E., and Feng, X. (2021). Generative adversarial network based data augmentation to improve cervical cell classification model. Math. Bio. and Eng., 18:1740–1753.