Modelo híbrido de aprendizado de transferência DRM-Net baseado em IA explicável para detecção e classificação de câncer de mama usando imagens de ultrassom

O câncer de mama é uma séria preocupação de saúde e uma das principais causas de mortes relacionadas ao câncer entre mulheres em todo o mundo. O diagnóstico precoce do câncer de mama é crucial para um tratamento bem-sucedido e melhores resultados para os pacientes. Técnicas computacionais avançadas, particularmente o aprendizado de transferência profundo, têm ganhado considerável atenção por sua eficácia na computação de imagens médicas. Inicialmente, seis modelos de aprendizado de transferência com diferentes especificações são treinados, validados e testados no conjunto de dados de imagens de ultrassom da mama. Além disso, um novo modelo híbrido, DRM-Net, é desenvolvido empilhando os três melhores modelos de TL com base na concatenação e achatamento de camadas densas profundas. Várias técnicas, incluindo pré-processamento de imagens, mascaramento de imagens, aumento de dados e ajuste de hiperparâmetros, são incorporadas para aprimorar o desempenho geral dos modelos considerados. Os modelos são minuciosamente avaliados usando várias métricas padrão e métodos estatísticos. Além disso, para garantir uma tomada de decisão transparente, o modelo proposto é interpretado usando o método de mapeamento de ativação de classe baseado em XAI (CAM) com diferentes versões. O modelo DRM-Net proposto demonstrou desempenho preditivo superior em comparação com os outros seis modelos de aprendizado de transferência. Entre todos os modelos, o DRM-Net alcançou o maior desempenho geral, com uma precisão de 96,71%, precisão de 96%, revocação de 97%, F1-score de 97% e um valor AUC de 99%, respectivamente. Ele também superou estudos semelhantes de ponta na literatura. Os resultados experimentais demonstram a utilidade potencial do modelo híbrido DRM-Net na melhoria da precisão do diagnóstico do câncer de mama, o que pode facilitar a tomada de decisões clínicas informadas. O modelo proposto também pode ser aplicado a outras doenças onde a imagem de ultrassom está disponível.