Classificação baseada em inteligência artificial do câncer de mama usando imagens celulares

A detecção e classificação do câncer de mama em nível celular é um dos problemas mais desafiadores. Uma vez que a morfologia e outras características celulares das células cancerosas são diferentes das células normais saudáveis, é possível classificar células cancerosas e células normais usando tais características. Embora várias técnicas de inteligência artificial (IA), incluindo a máquina de vetor de suporte de mínimos quadrados (LS-SVM), tenham sido usadas para reconhecimento de padrões, seu uso na classificação do câncer de mama a partir de imagens celulares ainda não foi estabelecido. Nesta comunicação, desenvolvemos uma abordagem alternativa usando várias técnicas de IA para classificar células de câncer de mama e normais utilizando características de textura de imagens celulares extraídas de imagens de células de várias linhagens celulares de câncer de mama, como MCF-7, MDAMB-231 e a linhagem celular normal humana MCF-10A. Aplicando técnicas de reconhecimento de padrões em várias imagens de células de câncer de mama/celulares normais, realizamos com sucesso a segmentação de imagens celulares, extração de características de imagem baseadas em textura e subsequente classificação de células cancerosas e normais de mama. Quatro técnicas de IA diferentes: vizinho mais próximo Kth (KNN), rede neural artificial (ANN), máquina de vetor de suporte (SVM) e LS-SVM foram aplicadas para classificar o câncer usando características óptimas obtidas de imagens segmentadas de células. Nossos resultados demonstraram que o LS-SVM com função de base radial (RBF) e classificador de kernel linear teve a maior taxa de classificação de 95,34% entre todos. Assim, nosso classificador LS-SVM foi considerado um modelo treinado adequado que poderia classificar as células cancerosas e normais usando características de imagem celular em um curto período de tempo, ao contrário de outras abordagens relatadas até agora.