Rede Neural Convolucional para o Diagnóstico de Leucemia

Abstract

Leukemia is a type of cancer that affects the production of blood cells in the bone marrow which makes it challenging to coagulate blood and fight infection. In this work, we propose a method for the automatic diagnosis of leukemia using Convolutional Neural Networks (CNNs). We use pre-trained CNNs and learning transfer techniques in constructing the proposed method. We employed the Deeply Fine Tuning Modified (DFTM) technique combined with data augmentation operations to fine-tune the pre-trained model. To train and test the proposed method, we used a set of 2304 images from 14 different image databases. The proposed method reached an accuracy of 98.84%, and when compared to other works, we observed greater robustness and consistency in the results. We conclude that the fine-tuning is more robust the classification of heterogeneous images when compared to the features extraction through CNNs.Resumo. A leucemia é um tipo de câncer que afeta a produção de células sanguíneas na médula óssea o que dificulta a coagulação do sangue e o combate a infecções. Nesse trabalho propomos um método para o diagnóstico automático de leucemia utilizando Redes Neurais Convolucionais (CNNs). Nós utilizamos CNNs pré-treinadas e técnicas de transferência de aprendizagem na construção do método proposto. Empregamos a técnica Deeply Fine Tuning Modified (DFTM) combinada com operações de aumento de dados para refinar um modelo pré-treinado. Para treinar e testar o método proposto, utilizamos um conjunto de 2304 imagens de 14 bases diferentes. O método proposto atingiu acurácia de 98,84% e quando comparado com outros trabalhos, observamos maior robustez e consistência nos resultados. Ao final, concluímos que o ajuste fino é mais robusto a classificação de imagens heterogêneas quando comparado com a extração de características através de CNNs.

Aplicação da modelagem preditiva via árvore de decisão nos casos de Síndrome Respiratória Aguda Grave (SRAG), com ênfase na Corona Virus Disease 2019 (COVID-19) no Brasil referente ao período de 2020 a 2022

“…Uma árvore de classificação é muito semelhante a uma árvore de regressão, exceto que é usada para prever uma resposta qualitativa em vez de quantitativa. O modelo de árvore de classificação pertence à categoria dos métodos de aprendizado de máquina por classificação supervisionada, como o modelo de regressão logístico (Albuquerque et al, 2020) ou redes neurais (Vogado, 2019), em que se deseja mapear uma variável dependente categórica Y com um conjunto de características ou variáveis independentes X.…”

Uso de Redes Complexas para Classificação de Doenças Pulmonares Intersticiais em Imagens de Tomografia Computadorizada

“…Além dos descritores de textura convencionais, as redes neurais convolucionais (Convolutional Neural Network -CNN) e as Redes Complexas vêm sendo utilizadas em diferentes problemas de Visão Computacional e Processamento de Imagens. Por exemplo, [Vogado et al 2019] usa um CNN para extrair características de textura, contudo, esse tipo de metodologia nãoé o foco deste trabalho.…”

Aplicando MultiInstance Learning (MIL) para o Diagnóstico de Câncer de Mama em Imagens Histopatológicas

“…Por conta da evoluc ¸ão do aprendizado de máquina, junto com o processamento de imagens aplicadas à imagens médicas, várias pesquisas têm sido desenvolvidas com foco em imagens histopatológicas, [Srinidhi et al 2021]. Entre elas, trabalhos direcionados ao diagnóstico de câncer, como [Cruz-Roa et al 2014, da Silva et al 2019] para câncer de mama, leucemia [Vogado et al 2019], renal [Santos et al 2019] ou [Linkon et al 2021] para próstata. Logo, as redes neurais convolucionais (CNNs) tem sido frequentemente utilizadas para a classificac ¸ão pois, diferente dos métodos tradicionais de extrac ¸ão de características, as CNNs se mostram superiores em diversos aspectos [Spanhol et al 2017] Este trabalho, tem como objetivo avaliar uma metodologia de diagnóstico de câncer de mama, baseada em aprendizado profundo e Multi Instance Learning (MIL) [Hering Jan 2020].…”