DESEMPENHO DE MÁQUINAS DE APRENDIZADO EXTREMO COM OPERADORES MORFOLÓGICOS PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE LESÕES EM IMAGENS FRONTAIS DE TERMOGRAFIA DE MAMA
Abstract
O câncer de mama é o mais comum entre mulheres, correspondendo a 28% dos novos casos por ano no Brasil. A termografia de mama é um método recente para a detecção e classificação de lesões de mama. Tal técnica possibilita o diagnóstico da doença ainda em estágios iniciais, além de possuir um custo menor do que outras técnicas de imageamento e não expor as pacientes às radiações ionizantes. Contudo, ainda há uma carência de profissionais capacitados para analisar imagens termográficas. Dessa forma, analisar tais imagens através de técnicas de reconhecimento de padrões é uma boa opção para melhorar a qualidade do diagnóstico. Neste trabalho, é investigado o uso de classificadores baseados em redes neurais artificiais perceptron multicamadas (MLP), máquinas de aprendizado extremo (ELM), máquinas de vetor de suporte (SVM), métodos baseados em árvores e, especialmente, o ELM morfológico para classificar imagens frontais de termografia de mama representadas pelos momentos de Haralick e Zernike como descritores de textura e forma, respectivamente. Ao total, foram utilizadas 336 imagens termográficas obtidas pela Universidade Federal de Pernambuco. O ELM com operadores morfológicos obteve um bom desempenho nas configurações experimentadas, apresentando uma acurácia de 95,19% e índice kappa de 0,933 em seu melhor resultado.