Publicação: Abordagem computacional para auxiliar a análise e classificação de câncer de próstata por meio de imagens
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Travençolo, Bruno Augusto Nassif
Resumo
A análise de imagens histológicas de lâminas inteiras (WSI) no diagnóstico do câncer de próstata impõe desafios computacionais, como o processamento de imagens em gigapixels e a variabilidade morfológica dos tecidos. Este trabalho propõe uma metodologia que integra um pré-processamento baseado em operações morfológicas a uma arquitetura de rede neural convolucional do tipo Mask R-CNN para segmentação de instâncias. Aplicada ao conjunto de dados PANDA, a abordagem incluiu a construção de um banco de dados curado, com geração de patches e balanceamento de classes. O modelo, implementado no framework Detectron2, obteve acurácia de 97,87% na classificação dos padrões de Gleason, confirmando que o pré-processamento direcionado favorece o aprendizado da rede em relação às abordagens end-to-end e foi possível realizar também a validação por meio do subconjunto Karolinska. Os resultados indicam o potencial da metodologia como ferramenta para patologia digital, com capacidade de generalização, estabelecendo um novo referencial para aplicação relacionados aos desafios das imagens médicas.
Abstract
The analysis of whole-slide histological images (WSI) in prostate cancer diagnosis presents significant computational challenges, such as gigapixel image processing and tissue morphological variability. This work proposes a methodology that integrates a preprocessing stage based on morphological operations with a convolutional neural network architecture of the Mask R-CNN type for instance segmentation. Applied to the PANDA dataset, the approach included the construction of a curated database with patch generation and class balancing. The model, implemented using the Detectron2 framework, achieved an accuracy of 97.87% in classifying Gleason patterns, confirming that targeted preprocessing enhances network learning compared to end-to-end approaches. Validation was also performed using the Karolinska subset. The results indicate the potential of the proposed methodology as a tool for digital pathology, demonstrating its generalization capability and establishing a new reference for applications addressing challenges in medical imaging.
Palavras-chave
Processamento de imagem, Câncer de próstata, Segmentação de imagem, Inteligência Artificial, Redes Neurais Convolucionais, Detectron2, Image processing, Prostate cancer, Image segmentation, Artificial Intelligence, Convolutional Neural Networks, Detectron2
Citação
SILVA, Maxwell Gomes da. Abordagem computacional para auxiliar a análise e classificação de câncer de próstata por meio de imagens. 2025. 86 f. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2025. DOI http://doi.org/10.14393/ufu.te.2025.659.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto