ट्यूमर अनुसंधान जर्नल
खुला एक्सेस

अमूर्त

Classificação e segmentação do tumor da mama usando máscara R-CNN em mamografias

Syed Kazim Raza, Syed Shameer Sarwar, Saad Muhammad Syed, Najeed Ahmed Khan

Objectivo: O cancro da mama causou mais mortes nas mulheres em comparação com qualquer outro cancro que possa ser encontrado entre as mulheres. Posto isto, esta investigação propôs um método que pode detetar, classificar e segmentar os diferentes tipos de tumores da mama. Este artigo também discutiu os diferentes métodos pelos quais o cancro da mama foi classificado e segmentado no passado.

Método: O cancro da mama pode ser detetado nas suas fases iniciais por ressonância magnética e/ou mamografia dos músculos mamários. Para esta investigação é proposta uma nova abordagem para a deteção, classificação e segmentação do cancro da mama. A estrutura proposta utiliza mamografias mamárias das imagens DICOM CBIS-DDSM (Curated Breast Imaging Subset of DDSM). As mamografias são imagens de rádio de um músculo. Os dados DICOM foram pré-processados ​​de forma a poderem ser incorporados num formato mais tradicional e, em seguida, os patches das imagens de mamografia foram retirados e finalmente inseridos na rede neural da máscara RCNN.

Resultados: O resultado da abordagem é que a estrutura proposta é capaz de localizar o tumor cancerígeno, mesmo quando este se desenvolveu em múltiplas regiões, tornando-o um classificador multiclasse. A estrutura é ainda capaz de classificar se o tumor é benigno ou maligno, bem como segmentar a região do tumor cancerígeno com uma anotação em pixéis. A precisão média observada é de cerca de 85% nos casos de teste, com um valor de precisão de 0,75, um recall de 0,8 e um score F1 de 0,825.

Conclusão: A estrutura proposta é económica e pode ser utilizada como ferramenta de auxílio ao radiologista na deteção do cancro da mama. No futuro, a abordagem proposta poderá também ser implementada noutros tumores cancerígenos para efeitos de classificação e segmentação.