Automatic breast cancer classification from histopathological images : a hybrid approach

Orientador: Prof. Dr. Luiz Eduardo Soares de OliveiraTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 10/08/2018Inclui referências: p.146-171Área de concentração: Ciência da ComputaçãoResumo: O câncer é um grave problema de saúde pública mundial, apresentando altas taxas de mortalidade e sobrecarga dos sistemas de saúde públicos e privados. Especialmente na população feminina, o câncer de mama surge como o segundo mais incidente e um dos tipos mais letais quando não devidamente diagnosticado e tratado. Apesar do progresso significativo alcançado pelas tecnologias de diagnóstico por imagem, a biópsia é a única maneira de diagnosticar com confiança se o câncer está realmente presente. O diagnóstico final do câncer de mama, incluindo graduação e estadiamento, ainda continua sendo feito por patologistas aplicando inspeção visual de imagens histológicas sob o microscópio. A análise histopatológica é uma tarefa altamente especializada, demorada, extremamente dependente da experiência dos patologistas e diretamente influenciada por fatores tais como fadiga e diminuição da atenção. Avanços recentes em técnicas de processamento de imagem e de aprendizado de máquina permitem construir sistemas CAD (Computer-Aided Diagnosis) que podem ajudar os patologistas a serem mais produtivos, objetivos e consistentes no processo de diagnóstico. Infelizmente, há também uma falta de bases de dados de imagem histológicas rotuladas abrangentes e públicas destinadas à pesquisa em sistemas CAD. Bases de dados rotuladas são cruciais para desenvolver e validar sistemas de aprendizado de máquina. Além disso, o desempenho da maioria dos sistemas de classificação convencionais depende da representação de dados apropriada e grande parte dos esforços são dedicados a engenharia de características, um processo difícil e demorado que usa o conhecimento prévio do especialista no domínio para criar características úteis. Contribuindo para eliminar esta lacuna, o presente trabalho apresenta um novo conjunto de dados publicamente disponível chamado BreaKHis, o qual contém imagens histopatológicas de tumores mamários. Este trabalho também apresenta uma abordagem alternativa para classificar estas imagens desafiadoras evitando qualquer segmentação explícita. Tal abordagem explora descritores texturais manuais e representação automática, particularmente empregando Redes Neurais Convolucionais, bem como o paradigma Aprendizado de Instâncias Múltiplas. Os resultados experimentais obtidos demonstraram a viabilidade desta proposta, dando indicações para melhorar tal modelo. Palavras-chave: reconhecimento de padrões, câncer de mama, imagem histopatológica, aprendizagem profunda, rede neural convolucional, aprendizado de instâncias múltiplas, processamento de imagens, aprendizado de máquina, diagnóstico auxiliado por computador.Abstract: Cancer is a serious public health problem worldwide, presenting high mortality rates and overloading both public and private health systems. Especially in the female population, breast cancer emerges as the second most incident and one of the most lethal types when not properly diagnosed and treated. In spite of the significant progress reached through the diagnostic imaging technologies, biopsy is the only way to diagnose with confidence if cancer is really present. Final breast cancer diagnosis, including grading and staging, still continues to be done by pathologists applying visual inspection of histological images under the microscope. Histopathological analysis is a highly specialized and time-consuming task, extremely dependent on the experience of the pathologists and directly influenced by factors such as fatigue and decrease of attention. Recent advances in image processing and machine learning techniques, which allow CAD (Computer-Aided Diagnosis) systems to be built, which in turn can assist pathologists to be more productive, objective and consistent in the diagnosis process. Unfortunately, there is also a lack of comprehensive and public annotated histological image databases intended for research in CAD systems. Annotated databases are crucial for developing and validating machine learning systems. Moreover, the performance of most conventional classification systems relies on appropriate data representation and much of the efforts are dedicated to feature engineering, a difficult and time-consuming process that uses prior expert domain knowledge of the data to create useful features. By contributing to eliminate this gap, the present work introduces a new publicly available image dataset named BreaKHis, which contains histopathological images of breast tumors. This work also presents an alternative approach to classify these challenging images, avoiding any explicit segmentation. Such approach explores hand-crafted textural descriptors and automatic representation, particularly using Convolutional Neural Networks as well as the paradigm Multiple Instance Learning. The obtained experimental results have demonstrated the feasibility of this proposal, giving directions for improvement in such model. Keywords: pattern recognition, breast cancer, histopathological image, deep learning, convolutional neural network, multiple instance learning, image processing, machine learning, computer-aided diagnosis