Imagens Hispatológicas
Breast Cancer
Deep CNN
Transfer Learning
Resnet-50
Resnet-101

O diagnóstico precoce do cancro da mama é o mais fiável e prático abordagem à gestão do cancro. A deteção assistida por computador ou o diagnóstico computorizado é uma das tecnologias de software concebidas para ajudar médicos na deteção ou diagnóstico do cancro e na redução da mortalidade através da utilização da análise da imagem médica com menos tempo. Recentemente, a análise da imagem médica usou Convolution Neural Networks para avaliar um vasto número de dados para detetar células cancerígenas ou classificação da imagem. O cancro da mama é muito comum e é considerado como a segunda doença perigosa em todo o mundo devido a sua taxa de mortalidade. Os afetados podem sobreviver se a doença for diagnosticada antes do aparecimento de grandes alterações físicas no corpo. Agora um dia, as imagens hispatológicas (raio X da região mamária) são amplamente utilizadas para a revelação prematura dos seios cancro. Este trabalho tem como objetivo implementar o aprendizado de transferência de redes neurais profundas pré-treinadas ResNet em termos de classificação binária e classificação multi classes para câncer de mama a partir de imagens histopatológicas. Usamos o aprendizado de transferência com os resultados de rede ajustados em um treinamento muito mais rápido e menos complicado do que uma rede de treinamento com pesos inicializados aleatoriamente do zero. Nossa abordagem é aplicada à classificação do câncer de mama baseada em imagens usando imagens histopatológicas do conjunto de dados público (Breast Histopathology Images) A maior precisão média alcançada para classificação binária de casos benignos ou malignos foi de 99.25% para ResNet.