GastroNet: uma nova estrutura para detecção e classificação de cânceres de estômago

O sistema gastrointestinal (GI) humano é vulnerável a várias doenças, como doença inflamatória intestinal, úlceras pépticas e doença do refluxo gastroesofágico. A endoscopia é o método convencional utilizado para avaliar o trato gastrointestinal. Uma sessão normal de endoscopia exige a identificação de várias doenças, o que é um processo monótono e longo para ser concluído manualmente. Sistemas de diagnóstico assistidos por computador têm sido empregados para ajudar os médicos a analisar dados. No entanto, eles podem precisar de uma técnica mais refinada devido às limitações dos procedimentos de extração de características. Redes neurais convolucionais (CNNs) mostram promessas, mas exigem recursos extensivos, tornando-as inadequadas para diagnóstico em tempo real em condições com recursos limitados. Este artigo apresentou o GastroNet, uma abordagem eficiente para classificar câncer de estômago usando imagens endoscópicas. O GastroNet utiliza ShuffleNet para extrair características e uma Rede de Pirâmide de Características para lidar com imagens de tamanhos variados. O GastroNet é então combinado com NanoDet para detecção e classificação. Os resultados no conjunto de dados Hyper Kvasir demonstram que o GastroNet alcança uma precisão média de 97,3%. Essa alta taxa de precisão significa excelente funcionalidade em comparação com outros modelos baseados em aprendizado profundo. Além disso, o GastroNet opera rapidamente processando vídeos a 97 quadros por segundo, permitindo diagnóstico clínico em tempo real.