Predição de lesões celulares em imagens de citologia convencional usando redes neurais convolucionais

  • Lucas A. Freitas UFOP
  • Débora N. Diniz UFOP
  • Marcone J. F. Souza UFOP
  • Cláudia M. Carneiro UFOP
  • Daniela M. Ushizima Lawrence Berkeley National Laboratory
  • Fátima N. S. de Medeiros UFC
  • Andrea G. C. Bianchi UFOP

Resumo


Este artigo apresenta uma nova metodologia baseada em aprendizado profundo para detectar lesões cervicais em amostras de exame de Papanicolau. O modelo proposto utiliza informações de localização do núcleo e realiza recortes em torno dele usando diferentes dimensões, sem a necessidade de segmentação da imagem. Vários modelos de CNN foram desenvolvidos e treinados com imagens reais de células cervicais. Os resultados mostraram que o modelo atingiu uma acurácia satisfatória de 0,94 usando o tamanho de caixa de 70x70 sem a necessidade de segmentar imagens. Acredita-se que essa metodologia possa auxiliar os citopatologistas na melhoria do diagnóstico e na qualidade dos resultados dos laboratórios, contribuindo para a prevenção do câncer de colo do útero.

Referências

Diniz, D., Keller, B., Rezende, M., Bianchi, A., Carneiro, C., Oliveira, R., Luz, E., Ushizima, D., Medeiros, F., and Souza, M. (2022). A cytopathologist eye assistant for cell screening. AppliedMath, 2:659–674.

Diniz, D. N., Rezende, M. T., Bianchi, A. G. C., Carneiro, C. M., Luz, E. J. S., Moreira, G. J. P., Ushizima, D. M., de Medeiros, F. N. S., and Souza, M. J. F. (2021a). A deep learning ensemble method to assist cytopathologists in pap test image classification. Journal of Imaging, 7(7):111.

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

Gómez, O. H., Sánchez-DelaCruz, E., and de la Mata, A. P. (2017). Classification of cervical cancer using assembled algorithms in microscopic images of papanicolaou. Res. Comput. Sci., 139:125–134.

Isidoro, D. W. A. (2021). Classificação automática de recortes de células cervicais baseada em características não geométricas. Trabalho de Conclusão de Curso (Ciência da Computação), Departamento de Computação, Universidade Federal de Ouro Preto, Ouro Preto, MG. Disponível em: [link].

Mariarputham, E. J. and Stephen, A. (2015). Nominated texture based cervical cancer classification. Comput Math Methods Med, 2015:586928.

Pangarkar, M. A. (2022). The bethesda system for reporting cervical cytology. Cytojournal, 19:28. PMCID: PMC9168399.

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

Sung, H., Ferlay, J., Siegel, R. L., Laversanne, M., Soerjomataram, I., Jemal, A., and Bray, F. (2021). Global cancer statistics 2020: Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: a cancer journal for clinicians, 71(3):209–249.

Who (2022). World Health Organization Cervical Cancer. Disponível em: [link]. Acessado em: 20-03-2023.
Publicado
27/06/2023
FREITAS, Lucas A.; DINIZ, Débora N.; SOUZA, Marcone J. F.; CARNEIRO, Cláudia M.; USHIZIMA, Daniela M.; MEDEIROS, Fátima N. S. de; BIANCHI, Andrea G. C.. Predição de lesões celulares em imagens de citologia convencional usando redes neurais convolucionais. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 23. , 2023, São Paulo/SP. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 316-327. ISSN 2763-8952. DOI: https://doi.org/10.5753/sbcas.2023.229938.

Artigos mais lidos do(s) mesmo(s) autor(es)