Detecção e classificação de regiões de interesse em ultrassons empregando machine learning

Abstract

O câncer de mama é principal causa de morte por câncer em mulheres adultas no Brasil. O diagnóstico tardio resulta em altas taxas de mortalidade, e pode levar a cirurgias mutilantes. O acesso limitado a exames de imagem contribui para diagnósticos em estágios avançados, ressaltando a importância da identificação precoce para aumentar as chances de cura e evitar procedimentos agressivos. Tecnologias de imagens médicas, incluindo avanços em aprendizado de máquina, são essenciais, melhorando a acurácia e eficiência diagnóstica. O presente estudo tem como objetivo aprimorar o diagnóstico do câncer de mama, especialmente em países onde os diagnósticos tardios são prevalentes. Foram utilizadas técnicas avançadas de aprendizado de máquina em imagens de ultrassom, buscando desenvolver um sistema computacional de suporte à decisão. O método computacional desenvolvido foi capaz de distinguir lesões benignas de pacientes normais em 83,33\% dos casos, em média. Os resultados indicam que a abordagem proposta apresenta eficiência na detecção e classificação de lesões mamárias em imagens de ultrassom, representando um avanço na área e potencialmente contribuindo para uma melhoria nas perspectivas de recuperação para pacientes com câncer de mama.