Estudo de Deep Fine Tuning Aplicado à Classificação de Imagens Histológicas

Abstract

São esperados 704 mil novos casos de câncer no Brasil entre 2023 e 2025, sendo a segunda maior causa de morte precoce no país e encontra-se entre as três maiores em mais de 127 países. A expectativa é que esses números aumentem com o envelhecimento populacional e o declínio de outras causas de morte prematuras que anteriormente lideravam as estatísticas como acidente vascular cerebral e doença cardíaca coronária. Diante da relevância desta doença para saúde pública global, métodos automatizados de diagnóstico e estadiamento se tornam cada vez mais necessários. Dentre os métodos considerados padrão ouro, está a análise histopatológica, permitindo determinar o tipo de câncer e o estágio de progressão da doença por meio de alterações morfológicas nas amostras de tecido. Portanto, o objetivo deste trabalho consiste em avaliar arquiteturas convolucionais e a utilização de deep fine tuning no contexto de análise de imagens histopatológicas. Serão analisadas arquiteturas CNN recentes com e sem deep fine tuning, visando analisar os impactos desta técnica neste contexto. A aplicação da técnica permitiu resultados mais robustos, estáveis, e com maior velocidade de convergência, e dentre as arquiteturas analisadas a HR-Net mostrou-se a mais eficaz.