Uma abordagem para detecção de nódulos pulmonares baseada em aprendizado profundo

O câncer de pulmão é o tipo de câncer que mais causa mortes no mundo, o que justifica a necessidade de uma rápida identificação. Os diagnósticos do câncer de pulmão podem ser realizado por especialistas através da análise de imagens de tomografia computadorizada (TC) do tórax do paciente. Esse diagnóstico envolve duas tarefas importantes: (i) a detecção de nódulos existentes e (ii) a classificação destes nódulos em maligno ou benigno, caso existam. Neste trabalho investigamos como detectar nódulos pulmonares em imagens de TC 2D com o uso de redes neurais convolucionais (CNN) e análise de componentes principais (PCA). A principal contribuição desse trabalho é um método de detecção aplicado a imagens de TC 2D que apresenta acurácia próxima a métodos aplicados a imagens 3D e, consequentemente computacionalmente mais caros. Os resultados apresentaram 86% de sensibilidade na identificação de nódulos pulmonares.

Lung cancer is the kind of cancer which causes the higher number of deaths in the world. This justifies the need of a fast identification. The diagnosis of lung cancer is performed by specialists by means of computed tomography (CT) scans of the patients chest. This diagnosis is made in two important stages: (i) the detection of existing nodules and (ii) the classification of these nodules into malignant or benign, if they exist. In this work we investigated how to detect lung nodules in CT 2D by using convolutional neural networks (CNN) and principal component analyis (PCA). The main contribution of this work is a detection method applied to 2D CT scans which presents an accuracy similar to methods applied to 3D imagens, which are consequently more computationaly expensive. Results presented 86% of sensibility in identifying lung nodules.