PPM-DeepLab: Módulo de Pirâmide de Pooling como Codificador da rede DeepLabV3+ para Segmentação de Rins, Cistos e Tumores Renais

Abstract

O câncer renal está entre as principais causas de mortes relacionadas ao câncer em todo o mundo. A detecção e o diagnóstico precoces são cruciais na luta contra esta doença. Recentemente, redes neurais convolucionais (CNNs) demonstraram sua eficácia em tarefas de segmentação semântica. Neste estudo, apresentamos o PPM-DeepLab, um novo modelo arquitetônico projetado para a segmentação de rins, cistos e tumores em imagens de tomografia computadorizada (TC). Especificamente, exploramos o Pyramid Pooling Module (PPM) para aprimorar a rede DeepLabv3+ incorporando informações contextuais de várias escalas. Nosso modelo proposto alcançou resultados promissores, com índices de Dice de 94,89% para rins, 83,95% para cistos e 84,62% para tumores renais.

EfficientEnsemble: Diagnóstico de câncer de mama em imagens de ultrassom utilizando processamento de imagens e Ensemble de EfficientNets

“…Destaca-se ainda, que o uso de métodos de aprendizado profundo, como redes neurais convolucionais (CNNs), tem se destacado como uma abordagem eficaz em uma variedade de aplicac ¸ões de visão computacional na área médica [Diniz et al 2022b, Figueredo et al 2023, Matos et al 2023. Esses modelos têm a capacidade de aprender padrões diretamente das imagens, sem a necessidade de uma extrac ¸ão manual de características [Diniz et al 2018].…”

EfficientXYZ-DeepFeatures: Seleção de esquema de cor e arquitetura Deep Features na classificação de câncer de cólon em imagens histopatológicas

“…Essas vantagens são fundamentais para um diagnóstico eficaz, contribuindo para melhores resultados clínicos e, por conseguinte, uma avaliac ¸ão mais precisa da sobrevida ou cura do paciente. A literatura também apresenta diversos métodos computacionais para detecc ¸ão, diagnóstico, acompanhamento e interpretac ¸ão de doenc ¸as por meio de imagens [Diniz et al 2022, Figueredo et al 2023, Matos et al 2023].…”