Classificação de câncer de mama usando redes neurais convolucionais com conjunto de dados de mamografias palestinas

O câncer de mama é disseminado em todo o mundo. É a principal causa de morte entre as fatalidades por câncer. De acordo com o relatório anual do Ministério da Saúde da Palestina, ocupou o terceiro lugar entre as mortes relatadas por câncer na Cisjordânia. A triagem por mamografia é a técnica mais comum para diagnosticar anomalias mamárias, mas há um desafio na falta de especialistas qualificados capazes de interpretar mamografias com precisão. O aprendizado de máquina desempenha um papel importante no processamento de imagens médicas, particularmente na detecção precoce, quando o tratamento é menos caro e disponível. Neste artigo, propomos diferentes modelos de rede neural convolucional (CNN) para detectar anomalias mamárias com resultados promissores. Seis modelos de CNN foram utilizados nesta pesquisa em um conjunto de dados único (de primeira mão) coletado do Ministério da Saúde da Palestina. Os modelos são VGG16, VGG19, DenseNet121, ResNet50, Xception e EfficientNetB7. Consequentemente, o DenseNet121 superou outros modelos com 0,83 e 0,85 para a precisão do teste e área sob a curva (AUC), respectivamente. Como um trabalho futuro, o modelo com melhor desempenho pode ser combinado com outros dados do paciente, como informações genéticas, histórico médico e fatores de estilo de vida, para avaliar o risco de desenvolver doenças específicas. Isso aumentaria a taxa de sobrevivência e permitiria medidas proativas.