ANÁLISE DE DESEMPENHO DE ARQUITETURAS DE DEEP LEARNING NA DETECÇÃO DE ACHADOS EM IMAGENS MAMOGRÁFICAS

Vol. 2, 2025 - 332505
Apresentação oral
Favoritar este trabalho
Como citar esse trabalho?
Resumo

O câncer de mama constitui uma das principais causas de mortalidade entre mulheres no Brasil, tornando a detecção precoce um fator determinante para a eficácia terapêutica. Nesse contexto, o presente estudo teve como objetivo realizar uma avaliação sistemática e comparativa de dez arquiteturas de Redes Neurais Convolucionais (RNCs) pré-treinadas no ImageNet, aplicadas à classificação binária de mamografias digitais em achados benignos e malignos. A pesquisa utilizou o banco público VinDr- Mammo, composto por mais de 20 mil imagens anonimizadas, assegurando reprodutibilidade e transparência. O processo metodológico incluiu pré-processamento padronizado, aumento de dados e aplicação de transfer learning com substituição da camada final de classificação. As arquiteturas avaliadas incluíram ResNeXt-50, ResNet-101, DenseNet-121, MobileNet v2, EfficientNet-B0, ResNet-50, EfficientNet-B4, ShuffleNet v2, VGG16 e SqueezeNet 1.1. A análise de desempenho foi conduzida por métricas padrão, como acurácia, precisão, recall, especificidade, F1-Score e AUC, complementadas por matrizes de confusão e curvas ROC. Os resultados demonstraram desempenho modesto, com AUCs variando entre 0,59 e 0,61, mas suficientes para estabelecer uma linha de base honesta e reprodutível para futuras otimizações via fine-tuning. Constatou-se que a ResNeXt-50 apresentou perfil mais equilibrado entre falsos positivos e falsos negativos, sendo mais promissora para cenários clínicos. Conclui-se que, embora a performance inicial seja limitada, o estudo contribui ao campo da inteligência artificial em saúde ao oferecer uma comparação robusta entre diferentes arquiteturas, evidenciando a importância de metodologias progressivas para alcançar robustez clínica e generalização.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Estadual do Piauí
  • 2 UESPI - Universidade Estadual do Piauí
Eixo Temático
  • GT 4 - INTELIGÊNCIA ARTIFICIAL E APLICAÇÕES MULTIPROFISSIONAIS
Palavras-chave
Mamografia
Inteligência Artificial
Redes Neurais Convolucionais
Transfer-Learning
Diagnostico Auxiliado por computador