Pré-diagnóstico de câncer de mama usando imagens histopatológicas com pré-processamento morfológico por meio de algoritmos clássicos e redes neurais profundas
Resumo
Este trabalho investiga o desempenho de classificadores na tarefa de detecção de câncer de mama utilizando diferentes tipos de pré-processamento morfológico no conjunto de imagens histopatológicas BreakHis. Especificamente, comparamos os desempenhos de algoritmos clássicos de aprendizado de máquina e redes neurais convolucionais treinadas a partir da aplicação dos operadores erosão, dilatação, abertura e fechamento. Resultados experimentais evidenciaram que a aplicação de operadores morfológicos tem impacto positivo no desempenho dos algoritmos clássicos. Ademais, constatou-se um aumento na acurácia desses algoritmos ao variar o formato e a dimensão dos elementos estruturantes. Os resultados obtidos motivam trabalhos futuros para investigação mais abrangente de outros tipos de elementos estruturantes juntamente com outros operadores morfológicos, bem como outros classificadores.
Palavras-chave:
Cancer, Histopathological Images, Classification, Deep Learning, Mathematical Morphology
Referências
INCA, Instituto Nacional de Câncer. Estimativa 2023: Incidência de Câncer no Brasil. 1ª ed. Rio de Janeiro: INCA, 2022. p. 160, ISBN 978-65-88517-09-3.
F. Spanhol, L. S. Oliveira, C. Petitjean, and L. Heutte, A Dataset for Breast Cancer Histopathological Image Classification, IEEE Transactions on Biomedical Engineering, vol. 63, no. 7, pp. 1455–1462, 2016.
P. Gamble, R. Jaroensri, H. Wang, et al. Determining breast cancer biomarker status and associated morphological features using deep learning. Commun Med vol.1, no.14, 2021.
S. Fremond, et al. The evolving role of morphology in endometrial cancer diagnostics: From histopathology and molecular testing towards integrative data analysis by deep learning. Frontiers in Oncology, v. 12, 2022.
Y. Hao, L. Zhang, S. Qiao, Y. Bai, R. Cheng, H. Xue, and G. Zhang, Breast cancer histopathological images classification based on deep semantic features and gray level co-occurrence matrix, Plos one, vol. 17, no. 5, 2022.
V. K. Reshma, N. Arya, S. S. Ahmad, I. Wattar, S. Mekala, S. Joshi, and D. Krah, Detection of Breast Cancer Using Histopathological Image Classification Dataset with Deep Learning Techniques, BioMed Research International, 2022.
R. Gonzalez and R. Woods, Processamento digital de imagens, 3ª ed. São Paulo: Pearson Prentice Hall, 2010.
Y. Chen, E. Carlinet, J. Chazalon, et al. Combining Deep Learning and Mathematical Morphology for Historical Map Segmentation. Discrete Geometry and Mathematical Morphology. Lecture Notes in Computer Science, vol. 12708. Springer, 2021.
G. Franchi, A. Fehri and A. Yao. Deep Morphological Networks. Pattern Recognition, vol. 102, 2020.
F. Spanhol, L. S. Oliveira, C. Petitjean, and L. Heutte, A Dataset for Breast Cancer Histopathological Image Classification, IEEE Transactions on Biomedical Engineering, vol. 63, no. 7, pp. 1455–1462, 2016.
P. Gamble, R. Jaroensri, H. Wang, et al. Determining breast cancer biomarker status and associated morphological features using deep learning. Commun Med vol.1, no.14, 2021.
S. Fremond, et al. The evolving role of morphology in endometrial cancer diagnostics: From histopathology and molecular testing towards integrative data analysis by deep learning. Frontiers in Oncology, v. 12, 2022.
Y. Hao, L. Zhang, S. Qiao, Y. Bai, R. Cheng, H. Xue, and G. Zhang, Breast cancer histopathological images classification based on deep semantic features and gray level co-occurrence matrix, Plos one, vol. 17, no. 5, 2022.
V. K. Reshma, N. Arya, S. S. Ahmad, I. Wattar, S. Mekala, S. Joshi, and D. Krah, Detection of Breast Cancer Using Histopathological Image Classification Dataset with Deep Learning Techniques, BioMed Research International, 2022.
R. Gonzalez and R. Woods, Processamento digital de imagens, 3ª ed. São Paulo: Pearson Prentice Hall, 2010.
Y. Chen, E. Carlinet, J. Chazalon, et al. Combining Deep Learning and Mathematical Morphology for Historical Map Segmentation. Discrete Geometry and Mathematical Morphology. Lecture Notes in Computer Science, vol. 12708. Springer, 2021.
G. Franchi, A. Fehri and A. Yao. Deep Morphological Networks. Pattern Recognition, vol. 102, 2020.
Publicado
06/11/2023
Como Citar
PEREIRA, Mayke Willians Christo; PAIXÃO, Thiago Meireles; CASTRO, Fidelis Zanetti de.
Pré-diagnóstico de câncer de mama usando imagens histopatológicas com pré-processamento morfológico por meio de algoritmos clássicos e redes neurais profundas. In: WORKSHOP DE TRABALHOS DA GRADUAÇÃO - CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI), 36. , 2023, Rio Grande/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 156-159.
DOI: https://doi.org/10.5753/sibgrapi.est.2023.27471.
