Classificação de imagens histopatológicas de câncer de mama usando pequenas subimagens selecionadas
Neste trabalho foram realizados experimentos com a base de imagens BreakHis aplicando uma rede neural convolucional (CNN) para classificar imagens histopatológicas em tumores benignos ou malignos (câncer). Evitando a necessidade de executar uma segmentação explícita das imagens, este método é baseado na extração de várias pequenas subimagens (patches) aleatórias para treinamento e na combinação dessas subimagens para reconhecimento. Visando aumentar o desempenho do modelo classificador foi proposta uma abordagem consistindo em previamente selecionar subimagens que sejam mais representativas de cada classe, permitindo assim discriminar melhor entre padrões malignos e benignos. Os resultados alcançados pela abordagem de filtragem pré-treinamento da CNN mostraram um ganho na acurácia para os dois maiores fatores de aumento disponíveis no conjunto de imagens, 200× e 400×.
Classificação de imagens histopatológicas de câncer de mama usando pequenas subimagens selecionadas
-
DOI: 10.22533/at.ed.9232105215
-
Palavras-chave: Câncer de mama. Imagem histopatológica. Reconhecimento de padrões. Rede neural convolucional.
-
Keywords: Breast cancer. Histopathologic image. Pattern recognition. Convolutional neural network.
-
Abstract:
In this work, it was conducted experiments on the BreaKHis dataset using a convolutional neural network (CNN) to classify histopathological images into benign tumors or malign tumors (cancer). Avoiding the necessity of performing an explicit segmentation of the images, this method is based on the extraction of several small random subimages (patches) for training, and the combination of these subimages for recognition. In order to increase the performance of the classifier model, an approach was proposed consisting of previously selecting sub-images that are more representative of each class, thus letting better discrimination between malignant and benign patterns. The results achieved by CNN's pre-training filtering approach showed a gain in accuracy for the two highest magnification factors available in the set of images, 200× and 400×.
-
Número de páginas: 12
- Fabio Alexandre Spanhol
- Henrique Frederico Trentini
- Gabriel Fernando Ferrazoli
- Jefferson Gustavo Martins
