Modelo de Classificação de Câncer de Próstata baseado em Segmentação Dilatada TransUNet + +-Com Densenet Densa Adaptativa em Múltiplas Escalas com Camada Bi-LSTM

Em geral, o câncer de próstata é considerado o tipo de câncer que ocorre na pequena glândula em forma de noz nos homens, chamada próstata. Além disso, a próstata é considerada o tipo de câncer mais frequentemente identificado entre os homens. Aqui, a glândula auxilia na produção de fluido seminal que é utilizado para transportar e nutrir os espermatozoides. Para excluir a presença de câncer nos tecidos, são utilizadas técnicas de biópsia da próstata. Além disso, a taxa de mortalidade devido a essa doença pode ser baixa nos últimos anos, mas é considerada a principal causa de câncer. Nesse caso, as técnicas automatizadas inteligentes ajudam os patologistas a minimizar a fadiga e a aprimorar o processo de roteamento. Além disso, existem algumas limitações no modelo tradicional, que são abordadas com a ajuda de uma nova abordagem de segmentação e classificação do câncer de próstata. Primeiramente, imagens relacionadas ao câncer de próstata são obtidas de recursos padrão e oferecidas como entrada para a segmentação de lesões. Aqui, a segmentação de lesões é realizada com a ajuda do Adaptive Dilated TransUNet. Os parâmetros do Dilated TransUNet são ajustados utilizando uma abordagem híbrida chamada Otimização Pelicano-Leão Marinho Assistida por Posição (PPSLO). Em seguida, as imagens segmentadas são oferecidas como entrada para o corte da Região de Interesse (ROI), e a imagem com ROI recortada é obtida como saída. Além disso, a imagem com ROI recortada é alimentada como entrada para a fase de classificação do câncer de próstata. Nessa fase, o câncer de próstata é classificado usando a Densenet Densa Adaptativa em Múltiplas Escalas com Camada de Memória de Longo Prazo Bidirecional (MAD-Bi-LSTM), na qual os parâmetros da rede são ajustados pela abordagem desenvolvida PPSLO. Assim, o modelo desenvolvido de segmentação e classificação do câncer de próstata ajuda a assegurar uma taxa de classificação da doença aprimorada em relação a outras observações experimentais.