De acordo com a explicação no artigo, o seguinte código apresenta os processos do sistema de detecção de câncer de mama.
Usando técnicas de pré-processamento, uso de Transfer Learning, além de uma arquitetura de Rede Neural Residual (ResNet50), o modelo de previsão detecta câncer de mama com uma acurácia de 57,53% durante os testes.
O modelo utilizado pode ser encontrado no arquivo tcc_modelo_unico.ipynb, um Notebook Jupiter que integra códigos, explicações e imagens, juntamente com processos como importação das imagens, pré-processamento, aplicação do método de Transfer Learning, declaração do modelo e treinamento, além de métricas e previsões.
Em função da base de imagens ser muito grande, os diretórios se encontram no Google Drive.
A base foi dividida em 6 grupos:
-
Imagens para treinamento de pacientes SEM câncer
-
Imagens para treinamento de pacientes COM câncer
-
Imagens para validação de pacientes SEM câncer
-
Imagens para validação de pacientes COM câncer
-
Imagens para teste de pacientes SEM câncer
-
Imagens para teste de pacientes COM câncer
Para executar o código localmente, é necessário possuir a versão 3.10 do Python e configurar o sistema para reconhecê-la corretamente.
Além disso, é necessário instalar os seguintes pacotes, utilizando o comando pip install (pacotes)
:
- numpy
- matplotlib
- opencv-python
- tensorflow
- pillow
- pandas
- scipy
- keras
- scikit-learn
- seaborn
Certifique-se de que todos os pacotes estão instalados antes de prosseguir.
Com os pacotes instalados, descompacte o arquivo DATASETS.zip
na raiz do programa.
- DATASETS/: Contém os conjuntos de dados divididos em treinamento, teste e validação, cada um com subdiretórios para amostras com câncer e sem câncer.
- logs/: Um diretório para armazenar logs relacionados ao projeto.
- .gitignore: Um arquivo que especifica quais arquivos e diretórios devem ser ignorados pelo sistema de controle de versão Git.
- README.md: Um arquivo markdown que geralmente contém informações sobre o projeto, instruções de uso e qualquer outra documentação relevante.
- tcc_modelo_unico.ipynb: Um arquivo Jupyter Notebook com o modelo.