Classificação de Mamografias Usando MLP e PHoW sobre a base de dados MIAS

Abstract

O câncer de mama é um tipo letal e recorrente de carcinoma, sendo por isso importante detectar nos estágios iniciais. Dessa forma, têm se destacado os sistemas do tipo Computer Aided Diagnosis (CAD) construídos a partir de modelos de para apoio à decisão. Este trabalho descreve a aplicação de uma rede neural Multilayer Perceptron (MLP) aplicada à classificação de mamografias do banco de dados MIAS processado sem patches e descrita por características Pyramid Histogram Of visual Words (PHoW), método baseado no Scale Invariant Feature Transform (SIFT) que considera a distribuição global e local de informações (características) da imagem. Os experimentos foram conduzidos em casos de normalidade, presença de microcalcificação e densidade mamária. O potencial da proposta de auxílio à rotina clínica é caracterizado. Os procedimentos experimentais são descritos e os resultados são apresentados e discutidos. Os resultados são muito bons, porém é importante enfatizar que os experimentos se basearam apenas no banco de imagens MIAS, com um vocabulário restrito às características das imagens dessa base de dados.