Técnicas multi-escala para identificação de nódulos pulmonares baseadas em redes convolucionais
Técnicas multi-escala para identificação de nódulos pulmonares baseadas em redes convolucionais
<ramongoncalves76@gmail.com>
Os tecidos e órgãos do corpo humano são compostos por células que normalmente crescem, se dividem e morrem o tempo todo de forma ordenada e controlada. Entretanto, devido a diversos fatores, nem sempre o corpo humano consegue manter esta dinâmica, ocasionando tumores que em seu pior estado podem evoluir para um câncer. Segundo a Organização Mundial da Saúde (OMS), o câncer de pulmão é o tipo de câncer que mais causa mortes no mundo. Somente em 2020 foram mais de 2,2 milhões de casos que resultaram na morte de cerca de 1,8 milhão de pessoas. Devido à alta taxa de letalidade advinda deste tipo de câncer, é muito importante que ele seja diagnosticado o mais rápido possível. Entretanto, a detecção precoce e a sobrecarga de trabalho nos especialistas da área – devido ao grande volume de exames – são alguns dos fatores que dificultam e contribuem para este cenário catastrófico. Diante desta realidade e a relevância do tema para sociedade, nos últimos anos vem se intensificando o estudo de técnicas baseadas em Visão Computacional e Aprendizado de Máquina que possam de alguma forma auxiliar especialistas na tarefa de identificação de nódulos em imagens de Tomografia Computadorizada (TC). Sendo assim, este estudo propõese a investigar uma abordagem baseada em Redes Neurais Convolucionais com múltiplas entradas, denominada de Multi-Escala, em busca de obter melhores e mais precisas predições das classes dos objetos presentes nas imagens. Além disso, o estudo também se propõe a investigar a aplicação de métodos de pré-processamento sobre as imagens de TC com base em Filtragem Espacial, visando aprimorá-las e realçar características. Os resultados obtidos a partir dos experimentos realizados neste estudo são promissores e demonstram, a princípio, que o uso de Redes Neurais Convolucionais Multi-Escala podem ser de fato uma solução para predição de imagens médicas que apresentam uma grande variabilidade de tamanho dos objetos, ao alcançar a marca de 86% de acurácia. Ademais, o emprego de técnicas de Processamento Digital de Imagens se mostraram um grande aliado no realce das informações presentes nas imagens de TC, conseguindo, em alguns casos, aumentar a acurácia da rede em até 4%.
The tissues and organs of the human body are composed of cells that normally grow, divide and die all the time in an orderly and controlled manner. However, due to several factors, the human body is not always able to maintain this dynamic, causing tumors that in their worst state can evolve into cancer. According to the World Health Organization (WHO), lung cancer is the type of cancer that causes the most deaths in the world. In 2020 alone, there were more than 2.2 million cases that resulted in the death of about 1.8 million people. Due to the high lethality rate resulting from this type of cancer, it is very important that it be diagnosed as soon as possible. However, early detection and the workload of specialists in the field – due to the large volume of exams – are some of the factors that hinder and contribute to this catastrophic scenario. Faced with this reality and the relevance of the theme to society, in recent years the study of techniques based on Computer Vision and Machine Learning that can somehow help specialists in the task of identifying nodules in Computed Tomography (CT) images has been intensified. Therefore, this study proposes to investigate an approach based on Convolutional Neural Networks with multiple inputs, called Multi-Scale, in order to obtain better and more accurate predictions of the classes of objects present in the images. In addition, the study also proposes to investigate the application of pre-processing methods on CT images based on Spatial Filtering, aiming to improve it and highlight features. The results obtained from the experiments carried out in this study are promising and demonstrate, in principle, that the use of Multi-Scale Convolutional Neural Networks can in fact be a solution for predicting medical images that present a great variability in the size of objects, while reach the 86% accuracy mark. In addition, the use of Digital Image Processing techniques proved to be a great ally in enhancing the information present in the CT images, managing, in some cases, to increase the accuracy of the network by up to 4%.
Dr. Neves, Tácito Trindade de Araújo Tiburtino.
Multiescala (Imagem).
Pulmões - Câncer.
Filtragem espacial.