Detecção de câncer de mama por meio de análise de imagem com os descritores de Haralick e aprendizado de máquina

Abstract

Este trabalho de conclusão de curso aborda a detecção de câncer de mama por meio de técnicas de processamento de imagem e aprendizado de máquina. O objetivo é desenvolver um modelo de classificação capaz de analisar as mamografias e auxiliar radiologistas no diagnóstico precoce de possíveis casos de câncer de mama. A metodologia proposta envolve etapas de segmentação binária para identificação de regiões de interesse, extração de descritores de Haralick para caracterização das características das regiões, e utilização de modelos de aprendizado de máquina para a classificação dos casos. A implementação e avaliação da metodologia será realizada em um conjunto de dados clínicos relevantes, com o intuito de validar a eficácia do sistema proposto no auxílio ao diagnóstico de câncer de mama. Os resultados obtidos para imagens de compressão médio lateral, o melhor modelo foi o Adaboost que se destacou com 85,71% de acurácia, 87,50% de sensibilidade e 83,93% de especificidade. Já para as imagens do tipo crânio caudal o melhor modelo foi o KNN destacando-se com uma acurácia de 88,39%, sensibilidade de 91,07% e especificidade de 85,71%. Os modelos criados, alcançaram resultados desejáveis, contudo, embora os resultados não tenham atingindo patamares ideias, os objetivos deste estudo foram alcançados. E é evidente que existe um potencial significativo para melhorar futuramente.