Classificação de imagens histopatológicas de câncer de mama usando pequenas subimagens selecionadas

Neste trabalho foram realizados experimentos com a base de imagens BreakHis aplicandouma rede neural convolucional (CNN) para classificar imagens histopatológicas em tumoresbenignos ou malignos (câncer). Evitando a necessidade de executar uma segmentaçãoexplícita das imagens, este método é baseado na extração de várias pequenas subimagens(patches) aleatórias para treinamento e na combinação dessas subimagens parareconhecimento. Visando aumentar o desempenho do modelo classificador foi propostauma abordagem consistindo em previamente selecionar subimagens que sejam maisrepresentativas de cada classe, permitindo assim discriminar melhor entre padrõesmalignos e benignos. Os resultados alcançados pela abordagem de filtragem pré-treinamento da CNN mostraram um ganho na acurácia para os dois maiores fatores deaumento disponíveis no conjunto de imagens, 200× e 400×.