A carregar...
Publicação
Attention Mechanisms in the Classification of Histological Images
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 7.98 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Recently, there has been an increase in the number of medical exams prescribed by medical
doctors, not only to diagnose but also to keep track of the evolution of pathologies. In
this sense, one of the medical specialties where the mentioned increase in the prescription
rate has been observed is oncology. In this regard, not only to efficiently diagnose but also
to monitor the evolution of the mentioned diseases, CT (Computed Tomography) scans,
MRIs (Magnetic Resonance Imaging), and Biopsies are imaging techniques commonly
used.
After the exams are performed and the results retrieved by the respective health professionals,
their analysis and interpretation are mandatory. This process, carried out
by medical experts, is usually a time-consuming and tiring task. In this sense and to
reduce the workload of these experts and support decision making, the research community
start proposing several computer-aided systems, whose primary goal is to efficiently
distinguish between healthy images and tumoral ones. Despite the success achieved by
these methodologies, it become evident that the distinction of the two mentioned image
categories (healthy and not-healthy) was associated with small regions of the images, and
therefore not all image regions were equally important for diagnostic purposes. In this
line of thinking, attention mechanisms start being considered to highlight important
regions and neglect unimportant ones, leading to more correct predictions.
In this thesis, we aim to study the impact of such mechanisms in the extraction of
features from histopathological images of the epithelium from the oral cavity. In order to
access the quality of the generated features for diagnostic purposes, those features were
used to distinguish healthy from cancerous histopathological images.
Recentemente, tem-se observado uma tendência crescente no número de exames médicos prescritos por médicos, no sentido de diagnosticar e acompanhar a evolução de patologias. Deste modo, uma das especialidades médicas onde a referida taxa de prescrição se assinala bastante elevada é a oncologia. No sentido de não só diagnosticar com eficácia, mas também para que a evolução das patologias seja devidamente seguida, é comum recorrer-se a técnicas de imagiologia como TACs (Tomografia Axial Computorizadas), RMs (Ressonâncias Magnéticas) ou Biópsias. Após a recepção dos respectivos exames médicos é necessário a sua análise e interpretação pelos profissionais competentes. Este processo é frequentemente moroso e cansativo para estes profissionais. No sentido de reduzir o labor destes profissionais e apoiar a tomada de decisão, começaram a surgir na literatura diversos sistemas computacionais cujo objectivo é distinguir imagens saudáveis de imagens não-saudáveis. Apesar do sucesso alcançado por estes sistemas, rapidamente se verificou que a distinção das duas classes de imagens é dependente de pequenas regiões, neste sentido nem todas as regiões constituintes da imagem são igualmente importantes para a distinção acima indicada. Posto isto, foram considerados mecanismos de atenção no sentido de maior importância dar a porções relevantes da imagem e negligenciar menos importantes, conduzindo a previsões mais correctas. Nesta dissertação pretende-se fazer um estudo do impacto destes mecanismos na extracção de features de imagens histopatológicas da mucosa oral. No sentido de avaliar a qualidade das features extraídas para o diagnóstico, estas são usadas por classificadores para a distinção de imagens saudáveis e cancerígenas.
Recentemente, tem-se observado uma tendência crescente no número de exames médicos prescritos por médicos, no sentido de diagnosticar e acompanhar a evolução de patologias. Deste modo, uma das especialidades médicas onde a referida taxa de prescrição se assinala bastante elevada é a oncologia. No sentido de não só diagnosticar com eficácia, mas também para que a evolução das patologias seja devidamente seguida, é comum recorrer-se a técnicas de imagiologia como TACs (Tomografia Axial Computorizadas), RMs (Ressonâncias Magnéticas) ou Biópsias. Após a recepção dos respectivos exames médicos é necessário a sua análise e interpretação pelos profissionais competentes. Este processo é frequentemente moroso e cansativo para estes profissionais. No sentido de reduzir o labor destes profissionais e apoiar a tomada de decisão, começaram a surgir na literatura diversos sistemas computacionais cujo objectivo é distinguir imagens saudáveis de imagens não-saudáveis. Apesar do sucesso alcançado por estes sistemas, rapidamente se verificou que a distinção das duas classes de imagens é dependente de pequenas regiões, neste sentido nem todas as regiões constituintes da imagem são igualmente importantes para a distinção acima indicada. Posto isto, foram considerados mecanismos de atenção no sentido de maior importância dar a porções relevantes da imagem e negligenciar menos importantes, conduzindo a previsões mais correctas. Nesta dissertação pretende-se fazer um estudo do impacto destes mecanismos na extracção de features de imagens histopatológicas da mucosa oral. No sentido de avaliar a qualidade das features extraídas para o diagnóstico, estas são usadas por classificadores para a distinção de imagens saudáveis e cancerígenas.
Descrição
Palavras-chave
Machine Learning Attention Mechanisms Deep Learning Histopathological Images Diagnosis