Classificação de imagens médicas de tecido mamário

Abstract

Este trabalho compara Redes Neurais Artificiais (ANNs) e Redes Neurais Convolucionais (CNNs) na classificação de imagens médicas relacionadas a patologias mamárias. Avaliaram-se arquiteturas renomadas de CNNs (ResNet18, ResNet50, DenseNet121, EfficientNet B0 e EfficientNet V2 ), utilizando transferência de aprendizado com pesos pré-treinados da ImageNet, em paralelo a duas ANNs treinadas com atributos extraídos e tratados criteriosamente. As métricas utilizadas foram acurácia, F1-score e área sob a curva característica de operação do receptor. Os resultados indicaram o alto desempenho das CNNs, especialmente da ResNet50, corroborando a literatura. Contudo, as ANNs alcançaram resultados comparáveis ou superiores quando alimentadas por atributos cuidadosamente selecionados e normalizados. Observou-se ainda que a escolha adequada do canal de cor influenciou significativamente o desempenho. Técnicas como validação cruzada, aumento de dados e uso de callbacks garantiram robustez e reprodutibilidade dos resultados, evidenciando o potencial promissor da abordagem proposta.