Diagnóstico de Câncer Colorretal: Comparação de Modelos de Deep Learning Binário e Multiclasse

O diagnóstico precoce do câncer colorretal é essencial para o tratamento da doença, porém, esse processo é frequentemente atrasado por erro humano. Logo, com o avanço tecnológico, modelos computacionais como as Redes Neurais Artificiais têm se mostrado promissores para auxiliar profissionais nesse processo. Neste trabalho, é realizada uma comparação de dois modelos diferentes de Redes Neurais Convolucionais: um modelo binário e um modelo multiclasse. Para a comparação, ambos os modelos possuem a mesma arquitetura de uma rede pré-treinada, a MobileNetV2, e também o mesmo método de treinamento, um pré-treinamento da rede de 5 épocas e depois um treinamento de até 50 épocas. O conjunto de dados também foi o mesmo, o CRC-VAL-HE-7K, que contém 7 mil imagens histopatológicas organizada em 9 classes. Para o treinamento do modelo binário, as classes que não indicava tumor foram unidas a fim de ficar apenas 2 classes. De acordo com os resultados, conclui-se que o modelo multiclasse foi um pouco melhor para aplicações de diagnóstico médico, além de ser capaz de distinguir mais tecidos além de câncer e não câncer, tendo maior aplicabilidade.