Métodos computacionais usando aprendizado de máquina para identificação e classificação automática de nódulos mamários e microcalcificações em exames de mamografia digital

• Processo: 21/02322-1
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de abril de 2021
• Data de Término da vigência: 31 de julho de 2021
• Área de conhecimento: Engenharias - Engenharia Biomédica - Engenharia Médica
• Pesquisador responsável: Daniel Aparecido Vital
• Beneficiário: Lucas Pinazza Marconatto
• CNAE: Atividades de serviços de complementação diagnóstica e terapêutica
• Vinculado ao auxílio: 19/16514-0 - Métodos computacionais usando aprendizado de máquina para identificação e classificação automática de nódulos mamários e microcalcificações em exames de mamografia digital, AP.PIPE
• Assunto(s): Neoplasias mamárias Diagnóstico por imagem Mamografia Processamento de imagens Aprendizado computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Câncer de mama | Classificação Automática | Inteligência Artificial | Lesões Mamárias | Mamografia digital | Processamento de Imagens Médicas

Resumo

Dados estatísticos apontam que anualmente são diagnosticados aproximadamente 1,67 milhões de novos casos de câncer de mama no mundo, predominantemente acometido por mulheres. Esta modalidade de câncer é responsável por mais de 500 mil óbitos anuais. Em 2018 o Brasil registrou 60 mil casos de câncer de mama, com uma taxa de mortalidade de cerca de 25%. O carcinoma mamário é identificado pela presença de nódulos, microcalcificações e outras lesões, na região da mama. O diagnóstico precoce é fundamental para prognósticos positivos do paciente. O exame de mamografia é o principal método diagnóstico capaz de detectar alterações no tecido mamário, considerado o único capaz de detectar o e classificar o fator de malignidade (escala BIRADS - Breast Imaging Reporting and Data System) da doença. Contudo, o diagnóstico limitado a avaliação visual, sem qualquer processamento digital, pode carecer de informações para uma análise rápida e precisa. Estudos recentes apresentam métodos computacionais que permitem a identificação e a classificação dessas doenças, mas ainda com limitações quanto à acurácia e abrangência. Neste contexto, o presente projeto propõe investigar e avaliar abordagens computacionais de classificação, combinando técnicas de processamento de imagens, extração de características e aprendizagem de máquina em imagens de exames de mamografia. A extração dos parâmetros será obtida por meio do desenvolvimento de ferramentas dedicadas a identificar e classificar automaticamente anomalias e lesões no tecido mamário. Os alvos de identificação, segmentação e classificação serão nódulos, cistos e microcalcificações. Serão avaliadas duas abordagens: Aprendizado profundo através da Convolutional Neural Network (CNN); e redes neurais convencionais baseadas em engenharia de atributos. Os métodos propostos serão desenvolvidos priorizando a integração com sistemas PACS (Picture Archiving and Communication System). Como resultados espera-se obter uma maior rapidez, precisão e acurácia quanto a localização, identificação e monitoramento destas lesões, aliando o estado da arte de técnicas computacionais a flexibilidade de comunicação com ambientes de gerenciamento de imagens de radiologia. A solução proporcionará um alto valor agregado como ferramenta de pré-diagnóstico, a hospitais, clínicas, laboratórios de exames de imagem, médicos radiologistas e empresas de telerradiologia, A síntese das informações serão apresentadas em relatórios com apontamentos e classificações da malignidade do câncer de mama. No contexto de comercial, os proponentes almejam atingir cerca 5% do mercado nacional nos dois primeiros anos (cerca de 500 mil exames), com faturamento de cerca de 3 milhões de reais em escala nacional e potencial para expansão no mercado internacional.