Utilização de redes neurais artificiais na classificação de microcalcificações em exames de mamografia

Abstract

O câncer de mama está em segundo lugar com maior incidência mundial. A melhor forma de prevenção e controle do câncer de mama continua sendo o diagnóstico precoce. A mamografia é considerada o principal método de detecção precoce do câncer de mama. As calcificações (acúmulo de cálcio em regiões da mama) são frequentemente encontradas em exames de rastreio da mama. A caracterização de exames mamográficos é tarefa complexa. O sistema Breast Image Reporting and Data System (B1-RADS) normatiza a descrição e a finalidade dos achados mamográficos entre os especialistas da área médica. Este trabalho fundamenta-se em técnicas de Processamento Digital de Imagens (PDI) para realizar a extração de informações morfológicas das calcificações e uma Rede Neural Artificial (RNA) Perceptron Múltiplas Camadas (MIL?) para classificar as calcificações analisadas de acordo com a classificação morfológica definida pelo BI-RADS. O desempenho da RNA ML? foi avaliado em um teste de aprendizado com calcificações reais estudadas, e validadas, extraídas de mamografias do Digital Database for Screening Mammography (DDSM). Em seguida foi treinada a RNA MLP utilizando o algoritmo Backpropagation cujo melhor resultado de treinamento dada a generalização do conhecimento, permitindo uma convergência de até 91% de acerto. Os resultados obtidos caracterizam que a presente proposta identificou um processo satisfatório de análise das calcificações mamárias por meio do uso das técnicas de inteligência computacional e PDI.