Intelligent Systems for Automated Breast Cancer Diagnosis

Breast neoplasms are frequent cases among the various abnormalities related to the disordered growth of human cells. Breast cancer is one of the most common types in women and has a high mortality rate. For this reason, early diagnosis becomes essential to combat the disease. Using the WDBC database and WEKA Machine Learning platform, a system for automated breast cancer diagnosis has been proposed. Five different classification algorithms have been configured and applied to obtain a reliable system to support breast cancer diagnosis. The database was properly treated and filtered before the algorithms were applied and the result obtained could be analyzed by the average system accuracy: 15% higher than the current diagnostic methodology (BI-RADS). The breastfeeding technique has shown promise and has the potential to dramatically improve the level of assertiveness in the diagnosis of breast cancer. It was necessary to replicate the experiment and analyze its results by comparing performance levels by applying new databases in order to find the most appropriate algorithm and configuration, ensuring that the system became increasingly robust and reliable.Pesquisa sem auxílio de agências de fomentoTrabalho de Conclusão de Curso (Graduação)Neoplasias de mama são casos frequentes dentre as diversas anomalias relacionadas ao crescimento desordenado das células humanas. O câncer de mama é um dos tipos mais frequentes em mulheres e apresenta alto índice de mortalidade. Por este motivo o diagnóstico precoce torna-se fundamental para o combate à doença. Utilizando a base de dados WDBC e a plataforma WEKA de Aprendizado de Máquina, um sistema para diagnóstico automatizado do câncer de mama foi proposto. Cinco diferentes algoritmos classificadores foram configurados e aplicados na obtenção um sistema confiável no apoio ao diagnóstico de câncer de mama. A base de dados foi devidamente tratada e filtrada antes da aplicação dos algoritmos e o resultado obtido pôde ser analisado pela acurácia média do sistema: 15% superior à metodologia de diagnóstico utilizada atualmente (BI-RADS). A técnica de AM mostrou-se promissora e com potencial de melhorar drasticamente o nível de assertividade no diagnóstico do câncer de mama. Observou-se a necessidade de reproduzir o experimento e analisar seus resultados comparando os níveis de desempenho aplicando novas bases de dado afim de encontrar o algoritmo e a configuração mais adequada garantindo que o sistema se torne cada vez mais robusto e confiável