Abordagem Deep Learning para Classificação de Lesões Mamárias

  • Roberto Pereira UFMA
  • Caio Matos UFMA
  • João Diniz UFMA
  • Geraldo Braz Junior UFMA
  • João de Almeida UFMA
  • Aristófanes Silva UFMA
  • Anselmo de Paiva UFMA

Resumo


O câncer de mama é uma das principais causas de morte de mulheres ocidentais. Várias técnicas têm sido desenvolvidas para auxiliar radiologistas na tarefa de detecção e diagnóstico de lesões mamárias. Recentemente, a técnica de deep learning tem apresentado resultados eficientes na classificação de imagens. Este artigo propõe uma metodologia para classificar tecidos de mamografias em massa e não-massa com o uso de redes neurais convolucionais profundas.

Referências

Chawla, N. V., Bowyer, K.W., Hall, L. O., and Kegelmeyer,W. P. (2002). Smote: synthetic minority over-sampling technique. Journal of artificial intelligence research, pages 321–357.

Heath, M., Bowyer, K., Kopans, D., Kegelmeyer Jr, P., Moore, R., Chang, K., and Munishkumaran, S. (1998). Current status of the digital database for screening mammography. In Digital mammography, pages 457–460. Springer.

Krizhevsky, A., Sutskever, I., and Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems, pages 1097–1105.

Szegedy, C., Liu,W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., Erhan, D., Vanhoucke, V., and Rabinovich, A. (2015). Going deeper with convolutions. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 1–9.
Publicado
04/07/2016
PEREIRA, Roberto; MATOS, Caio; DINIZ, João; BRAZ JUNIOR, Geraldo; DE ALMEIDA, João; SILVA, Aristófanes; DE PAIVA, Anselmo. Abordagem Deep Learning para Classificação de Lesões Mamárias. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 16. , 2016, Porto Alegre. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2016 . p. 2597-2600. ISSN 2763-8952. DOI: https://doi.org/10.5753/sbcas.2016.9906.

##plugins.generic.recommendByAuthor.heading##