Classificando diferenças simétricas e mudanças temporais para a detecção de massas malignas em mamografia usando redes neurais profundas

Investigamos a adição de informações de simetria e contexto temporal a uma rede neural convolucional profunda (CNN) com o propósito de detectar lesões malignas de tecidos moles em mamografia. Empregamos um mapeamento linear simples que leva a localização de um candidato a massa e o mapeia para a mamografia contralateral ou anterior, e regiões de interesse (ROIs) são extraídas em torno de cada localização. Duas arquiteturas diferentes são exploradas: (1) um modelo de fusão que emprega dois fluxos de dados, onde ambas as ROIs são alimentadas à rede durante o treinamento e teste, e (2) uma abordagem em etapas onde uma única CNN de ROI é treinada na imagem primária e, em seguida, usada como extratora de características para as ROIs primárias e contralaterais ou anteriores. Um classificador de árvore de gradiente