MÉTODO DE REDES NEURAIS PARA CLASSIFICAR NÓDULOS MAMÁRIOS BASEADO NO PADRÃO BI-RADS® NAS CATEGORIAS 4 E 5

Abstract

RESUMO: O câncer de mama é uma neoplasia que mais acomete as mulheres em todo mundo, isso ocorre tanto em países de primeiro mundo quanto em países em desenvolvimento. No Brasil, para o biênio 2020 a 2021, foram estimados 66.280 casos novos de câncer de mama e cerca de 15.000 mortes de mulheres pela doença, com um risco estimado de 43,64 casos novos para cada 100 mil mulheres. Entretanto há estratégia para se reduzir a mortalidade por câncer de mama. A mamografia é um exame radiológico que gera uma imagem em tons de coloração cinza da mama, que o especialista analisa e identifica de forma visual a localização da lesão, sendo este tipo de exame o padrão para detecção precoce deste tipo de neoplasia, o que facilita a identificação na sua fase inicial, em particular pela sistematização internacional para avaliação mamária conhecida por Breast Imaing Reporting and Data System (BI-RADS), que é de suma importância na abordagem terapêutica. Todavia, trata-se de um sistema de classificação de imagens de lesões mamográficas que apresenta um resultado de falso negativo em cerca de 15%, taxa que pode ser reduzida por sistemas computacionais utilizando as redes neurais. A presente pesquisa desenvolveu um método de redes neurais para classificar nódulos mamários no padrão BI-RADS nas categorias 4 e 5. Esta tese foi estruturada em dois capítulos: O capitulo I realizou uma busca de anterioridade dos registros de programa de computador que faz uso de redes neurais artificiais aplicadas ao diagnóstico de câncer de mama, por meio de uma prospecção tecnológica, a qual foi realizada em três bases de depósitos de patentes: European Patent Office (EPO), World Intellectual Property Organization (WIPO) e United States Patent and Trademark Office’s (USPTO). Utilizando as seguintes combinações de palavras-chave: software AND image processing, software AND breast câncer, software AND BI-RADS, software AND neural networks, software AND image processing AND breast cancer AND BI-RADS AND neural networks. As bases de depósitos de patentes que mais se destacaram foram WIPO e USPTO. Encontrou-se um total de 24 patentes, sendo 22 na WIPO e 2 na USPTO, relacionadas a imagens de câncer mamário e sistema BI-RADS. Ressalta-se que a busca feita na base de dados EPO não retornou registros relacionados ao tema pesquisado, demostrando a necessidade de desenvolvimento de software para o diagnóstico do câncer de mama. O capítulo II exibe as técnicas de redes neurais para desenvolver uma ferramenta computacional capaz de classificar lesões das categorias 4 e 5 do padrão BI-RADS. Os resultados adquiridos pelo software, observaram que o melhor classificador no que diz respeito à taxa de acerto acurácia, foi o Deep Learning, atingindo um percentual de 82,60%, o Support Vectors Machine - SVM teve um percentual de 73,97%. Isto demostra que as técnicas de redes neurais utilizadas no projeto do software mostram uma eficácia na tarefa de classificação das lesões. ABSTRACT: Breast cancer is a neoplasm that most affects women around the world, it occurs both in first world countries and in developing countries. In Brazil, for the biennium 2020 to 2021, there were an estimated 66,280 new cases of breast cancer and about 15,000 deaths of women from the disease, with an estimated risk of 43.64 new cases for every 100,000 women. However, there is a strategy to reduce mortality from breast cancer. Mammography is a radiological exam that generates a grayscale image of the breast, which the specialist analyzes and visually identifies the location of the lesion. This type of exam is the standard for early detection of this type of neoplasm, which facilitates identification in its initial phase, in particular by the international systematization for breast evaluation known as the Breast Imaging Reporting and Data System (BI-RADS), which is of paramount importance in the therapeutic approach. However, it is a mammographic lesion image classification system that presents a false negative result in about 15%, a rate that can be reduced by computational systems using neural networks. The present research developed a method of neural networks to classify breast lumps in the BI-RADS standard in categories 4 and 5. This thesis was structured in two chapters: Chapter I carried out a search for prior records of a computer program that makes use of artificial neural networks applied to the diagnosis of breast cancer, through a technological prospection, which was carried out in three patent filing bases: European Patent Office (EPO), World Intellectual Property Organization (WIPO) and United States Patent and Trademark Office's (USPTO). Using the following keyword combinations: software AND image processing, software AND breast cancer, software AND BI-RADS, software AND neural networks, software AND image processing AND breast cancer AND BI-RADS AND neural networks. The most prominent patent filing bases were WIPO and USPTO. A total of 24 patents were found, 22 from WIPO and 2 from USPTO, related to breast cancer imaging and the BI-RADS system. It is noteworthy that a search made in the EPO database did not return records related to the researched topic, demonstrating the need to develop software for the diagnosis of breast cancer. Chapter II shows the neural network techniques to develop a computational tool capable of classifying injuries from categories 4 and 5 of the BI-RADS standard. The results acquired by the software, observed that the best classifier with regard to the accuracy rate was the Deep Learning, reaching a percentage of 82.60%, the Support Vectors Machine - SVM had a percentage of 73.97%. This demonstrates that the neural network techniques used in the software design show an effectiveness in the lesion classification task.