Aplicação técnicas aprendizagem automática no cancro da mama

• Autor(a) principal: Santos, José Carlos Cordeiro Andrade
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/24947
• topic: Mammogram; Magnetic Resonance Imaging; Generative Adversarial Networks; Domínio/Área Científica::Engenharia e Tecnologia

O cancro da mama continua atualmente a ser um importante problema de saúde pública a nível internacional e nacional pelo que a problemática da sua abordagem continua a ter todo o interesse. Em Portugal, anualmente são detetados cerca de 7.000 novos casos de cancro da mama, e 1.800 mulheres morrem com esta doença. De acordo com a Norma da Direção-Geral da Saúde para abordagem imagiológica da mama feminina, todas as mulheres assintomáticas com idade compreendida entre 50 e 69 anos, devem realizar uma mamografia de rastreio a cada dois anos. Na presença de alterações morfológicas ou em mulheres com risco moderado a elevado de cancro da mama, o médico assistente pode sugerir antecipar a realização da mamografia e complementar a investigação diagnóstica com os métodos que achar necessários. Se o cancro for detetado precocemente, a probabilidade de o tratamento ser eficaz e bem-sucedido é muito mais elevada. A ressonância magnética é um exame de alta sensibilidade e especificidade moderada, sugerida em pacientes jovens, com aumento substancial do risco, i.e., que apresentam predisposição genética ou história familiar da doença. Este exame utiliza uma tecnologia à base de ondas de radiofrequência num forte campo magnético a fim de obter imagens mais detalhadas dos tecidos internos da mama, no entanto, o seu uso é limitado pela indisponibilidade (imediata) comparada com outros exames e preço associado e contraindicado em pessoas com claustrofobia, dispositivos metálicos como pacemakers ou próteses ou reações ao meio de contraste. Assim, esta tese tem como objetivo desenvolver uma ferramenta de aprendizagem automática com recurso a Redes Adversariais Generativas Cíclicas, capaz de converter uma imagem de mamografia numa semelhante ao produto de uma ressonância magnética, com o intuito de proporcionar uma melhor perceção do campo cirúrgico e aumentar os ganhos em saúde. O conjunto de dados foi cedido pelo Centro Hospitalar Universitário de São João e continha volumes de cortes transversais sucessivos de mamas. Neste caso, o corte seccional com área transversal máxima era o único com interesse para estudo, por isso, extraímos todas as localizações dos cortes para obter os cortes mediais respetivos das mamas. As Redes Adversariais Generativas são pares de sistemas de Inteligência Artificial treinados para criar conteúdo e realizar tarefas mais rapidamente do que um único sistema. Nesta tese, estas realizam a tradução para uma imagem com base noutra singular não emparelhada, ou seja, uma imagem semelhante ao produto de uma ressonância magnética com base numa mamografia, sem imagem de ressonância magnética correspondente. As ferramentas métricas de Medida do Índice de Similaridade Estrutural e de Relação Sinal-Ruído de Pico foram usadas para avaliar a qualidade da imagem sintetizada em relação à imagem real. Com o valor de 0.69667, o valor obtido pela medida do índice de similaridade estrutural indica alta similaridade da imagem criada com a de referência. Quanto à relação sinal-ruído de pico obtida de 31.805 dB, usada para quantificar a qualidade da imagem reconstruída a partir de uma imagem original que sofreu compressão, encontra-se dentro do intervalo de valores típicos. Embora as ferramentas métricas forneçam um resultado quantitativo do desempenho, a melhor resposta que obtivemos foi visual. As imagens sintéticas obtidas apresentam uma aparência visualmente realista, embora seja possível detetar nestes alguns artefactos, devido à diferente forma de captação de imagem pelos diferentes exames e definição inferior dos exames originais usados como base em comparação com a ressonância magnética. Em conclusão, a partir de um conjunto de dados com 57 imagens obtidas por mamografia, em perfil cefalo-caudal, foi possível gerar imagens sintéticas da estrutura mamária semelhantes ao produto da ressonância magnética baseadas em mamografia implementando e testando modelos de rede adversarial generativa, usando dados não emparelhados, como demonstrado pelas diversas métricas e verificações gráficas.