Explorando Representações de Recorrência Fractal com CNNs para a Classificação de Displasias Epiteliais Orais

• Vitória F. C. Silva UFU
• Gustavo C. Miranda UFU
• Daniel B. Gonçalves UFU
• Domingos L. L. de Oliveira UFU / IFSP
• Guilherme F. Roberto UNESP
• Leandro A. Neves UNESP
• Adriano B. Silva UFU
• Marcelo Z. do Nascimento UFU

DOI: https://doi.org/10.5753/sbcas.2026.20798

Resumo

O diagnóstico precoce das displasias epiteliais orais é fundamental, mas a avaliação histopatológica manual está sujeita a variabilidades e aspectos subjetivos. Sistemas computacionais de apoio ao diagnóstico (CAD) têm sido propostos para auxiliar nessa análise. No entanto, abordagens baseadas em redes neurais tradicionais frequentemente apresentam alto custo computacional e deixam de explorar estratégias heterogêneas para melhorar a generalização. Este trabalho apresenta uma análise comparativa do desempenho de arquiteturas de redes neurais convolucionais (CNNs) lightweight (MobileNetV2 e EfficientNet-B0) na classificação de displasias orais, utilizando o dataset OralEpitheliumDB. A metodologia contrasta o uso de imagens originais com imagens transformadas em Recurrence Plots (RP), geradas a partir de descritores fractais multiescala. Os experimentos demonstraram que a representação via RP proporcionou melhorias substanciais em todas as métricas avaliadas. A contribuição do estudo foi o ensemble heterogêneo combinando MobileNet e EfficientNet, ambos treinados com a representação RP, que atingiu 100% nas métricas de avaliação. Conclui-se que a análise de recorrência fornece padrões de textura relevantes que não são capturados no domínio espacial original, viabilizando a implementação de sistemas diagnósticos robustos e de baixo custo computacional.

Referências

Adel, D., Mounir, J., El-Shafey, M., Eldin, Y. A., El Masry, N., AbdelRaouf, A., and Abd Elhamid, I. S. (2018). Oral epithelial dysplasia computer aided diagnostic approach. In 2018 13th International Conference on Computer Engineering and Systems (ICCES), pages 313–318. IEEE.

Alajaji, S. A., Khoury, Z. H., Jessri, M., Sciubba, J. J., and Sultan, A. S. (2024). An update on the use of artificial intelligence in digital pathology for oral epithelial dysplasia research. Head and neck pathology, 18(1):38.

Cheung, V. K., Hulme, K., Schifter, M., Palme, C., Low, T.-H. H., Clark, J., and Gupta, R. (2022). Oral epithelial dysplasia: a review of diagnostic criteria for anatomic pathologists. Advances in Anatomic Pathology, 29(4):227–240.

Dabeer, S., Khan, M. M., and Islam, S. (2019). Cancer diagnosis in histopathological image: Cnn based approach. Informatics in Medicine Unlocked, 16:100231.

Deif, M. A., Attar, H., Amer, A., Elhaty, I. A., Khosravi, M. R., Solyman, A. A., et al. (2022). Diagnosis of oral squamous cell carcinoma using deep neural networks and binary particle swarm optimization on histopathological images: an aiomt approach. Computational Intelligence and Neuroscience, 2022.

Eckmann, J.-P., Kamphorst, S. O., Ruelle, D., et al. (1995). Recurrence plots of dynamical systems. World Scientific Series on Nonlinear Science Series A, 16:441–446.

Longo, L. H. d. C., Roberto, G. F., Tosta, T. A., de Faria, P. R., Loyola, A. M., Cardoso, S. V., Silva, A. B., do Nascimento, M. Z., and Neves, L. A. (2023). Classification of multiple h&e images via an ensemble computational scheme. Entropy, 26(1):34.

Müller, S. (2018). Oral epithelial dysplasia, atypical verrucous lesions and oral potentially malignant disorders: focus on histopathology. Oral surgery, oral medicine, oral pathology and oral radiology, 125(6):591–602.

Pereira, D. C., Silva, A. B., Longo, L. H., Loyola, A. M., Cardoso, S. V., de Faria, P. R., Tosta, T. A., Neves, L. A., Martins, A. S., and Nascimento, M. Z. (2026). Evaluation of fractal descriptors, deep features and xai representations with lasso-regularized hermite polynomial classifier for h&e histological image classification. Biomedical Signal Processing and Control, 112:108393.

Pham, T. D. (2021). From raw pixels to recurrence image for deep learning of benign and malignant mediastinal lymph nodes on computed tomography. IEEE Access, 9:96267–96278.

Pimenta-Barros, L. A., Ramos-García, P., González-Moles, M. Á., Aguirre-Urizar, J. M., and Warnakulasuriya, S. (2025). Malignant transformation of oral leukoplakia: Systematic review and comprehensive meta-analysis. Oral diseases, 31(1):69–80.

Roberto, G. F. et al. (2021). Associação entre atributos manuais e aprendizado profundo baseada em geometria fractal para classificação de imagens histológicas.

Roberto, G. F., Neves, L. A., Lumini, A., Martins, A. S., and Nascimento, M. Z. d. (2024). An ensemble of learned features and reshaping of fractal geometry-based descriptors for classification of histological images. Pattern Analysis and Applications, 27(1):8.

Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., and Chen, L.-C. (2018). Mobilenetv2: Inverted residuals and linear bottlenecks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR).

Santos, M. d. O. (2023). Estimativa de incidência de câncer no brasil, 2023-2025. Revista Brasileira de Cancerologia, 69(1).

Silva, A. B., Martins, A. S., Tosta, T. A. A., Loyola, A. M., Cardoso, S. V., Neves, L. A., de Faria, P. R., and do Nascimento, M. Z. (2024). Oralepitheliumdb: A dataset for oral epithelial dysplasia image segmentation and classification. Journal of Imaging Informatics in Medicine, 37(4):1691–1710.

Silva, A. B., Martins, A. S., Tosta, T. A. A., Neves, L. A., Servato, J. P. S., de Araújo, M. S., de Faria, P. R., and do Nascimento, M. Z. (2022). Computational analysis of histological images from hematoxylin and eosin-stained oral epithelial dysplasia tissue sections. Expert Systems with Applications, 193:116456.

Tan, M. and Le, Q. V. (2019). Efficientnet: Rethinking model scaling for convolutional neural networks. In Proceedings of the International Conference on Machine Learning (ICML).

van Zelst, J. C., Tan, T., Mann, R. M., and Karssemeijer, N. (2020). Validation of radiologists’ findings by computer-aided detection (cad) software in breast cancer detection with automated 3d breast ultrasound: a concept study in implementation of artificial intelligence software. Acta Radiologica, 61(3):312–320.

Warnakulasuriya, S., Reibel, J., Bouquot, J., and Dabelsteen, E. (2008). Oral epithelial dysplasia classification systems: predictive value, utility, weaknesses and scope for improvement. Journal of oral pathology & medicine, 37(3):127–133.