VIABILIDADE DE DETECÇÃO DE CÂNCER DE MAMA ATRAVÉS DE REDE NEURAL CONVOLUCIONAL EM MAMOGRAFIAS

Resumo

No universo feminino brasileiro o tipo de neoplasia maligna que possui a maior taxa de mortalidade é o câncer de mama. Quando há detecção precoce da doença o índice de sucesso é maior, resultando em melhora do prognóstico e, consequentemente, cura da doença. O presente estudo tem por objetivo analisar a viabilidade de um sistema capaz de detectar câncer de mama através de redes neurais convolucionais, classificando uma mamografia em cinco classes: não câncer; calcificação benigna; calcificação maligna; massa benigna; e massa maligna. Foi realizado processamento no banco de dados contendo 55.890 imagens, no qual ocorreu a conversão de dados em estrutura tfrecords para o formato imagem, que se faz necessária ao utilizar a rede neural. Após esta etapa, foi realizada a classificação das imagens nas cinco categorias mencionadas para viabilizar a realização de testes a fim de verificar a acurácia do algoritmo de machine learning em identificar e classificar o câncer de mama. Utilizando uma pequena partição de 10% imagens do banco de dados total para verificar os resultados iniciais apresentados nesse trabalho, foi possível obter 44% de acurácia global destacando a capacidade de agilizar a detecção precoce e rápida do câncer de mama utilizando inteligência artificial.