| Título: | Redes neurais convolucionais e aprendizado por múltiplas instâncias para classificação de câncer de mama |
| Autor(es): | Lopes Filho, Eduardo Augusto Crozarioli
Vasconcelos, Hugo Silva |
| Orientador(es): | Silva, Daniel Guerreiro e |
| Assunto: | Câncer de mama
Redes neurais profundas
Redes neurais convolucionais (Computação)
Processamento de imagem - técnicas digitais |
| Data de apresentação: | 13-Dez-2023 |
| Data de publicação: | 5-Dez-2024 |
| Referência: | LOPES FILHO, Eduardo Augusto Crozarioli; VASCONCELOS, Hugo Silva. Redes neurais convolucionais e aprendizado por múltiplas instâncias para classificação de câncer de mama. 2023. 60 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Redes de Comunicação) — Universidade de Brasília, Brasília, 2023. |
| Resumo: | Estudos realizados pelo Instituto Nacional do Câncer apontam que, durante o triênio entre 2023 e
2025, cerca de 704 mil novos casos de câncer surgirão no Brasil, sendo o câncer de mama o mais comum
entre as mulheres. Detectar o câncer de mama em estágios iniciais, e principalmente, determinar seus
status de receptores hormonais (Estrogênio e/ou Progesterona) é um ponto chave para definir o melhor
tratamento. O método atual para determinar o status de receptores hormonais em pacientes com câncer
é por meio do exame Imuno-Histoquímico, um exame complexo que exige a análise profunda de um
patologista. O propósito deste trabalho é apresentar um modelo de Rede Neural Convolucional Profunda
capaz de determinar, a partir de exames de imagem, o Status de Receptores de Estrogênio em pacientes
com câncer de mama, oferecendo uma alternativa mais ágil quando comparada ao método convencional de
classificação de câncer de mama, auxiliando na análise realizada por patologistas e facilitando o processo
de diagnóstico. A ferramenta desenvolvida foi treinada utilizando dados clínicos de 1093 pacientes e 1888
exames de imagem, obtendo uma AUC de 0.82. |
| Abstract: | Studies conducted by the National Cancer Institute indicate that, during the triennium between 2023
and 2025, approximately 704 thousand new cases of cancer will emerge in Brazil, with breast cancer being
the most common among women. Detecting breast cancer in its early stages, and particularly determining
its hormonal receptor status (Estrogen and/or Progesterone), is a key factor in defining the best treatment.
The current method for determining hormonal receptor status in cancer patients is through Immunohis tochemical examination, a complex test that requires in-depth analysis by a pathologist. The purpose of
this work is to present a model of a Deep Convolutional Neural Network capable of determining, from
image exams, the Estrogen Receptor Status in breast cancer patients, providing a more efficient alternative
compared to the conventional method of breast cancer classification. This assists in the analysis performed
by pathologists and facilitates the diagnostic process. The developed tool was trained using clinical data
from 1093 patients and 1888 image exams, achieving an AUC of 0.82. |
| Informações adicionais: | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2023. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia de Redes de Comunicação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
