Redes Neurais

Resumo/ Levantamento de Dados

Tese do Doutorado Professor Arnaldo:

O que são: Redes neurais são algoritmos artificiais capazes de

aprender uma determinada função ou reconhecimento de
padrões, despertando interesse em identificação de controle e
sistema.
Muito semelhante a rede neural biológica, porém não tão
complexa quanto, as RNAs assemelham-se pela capacidade
de formular equações utilizando vários neurônios artificiais,
formando uma rede.

Imagem 1: Neurônio artificial de múltiplas entradas

w = valor das entradas das sinapses, onde serão somados /

multiplicados
b = “bias”, valor de ajuste
vk = resultado da soma
φ = função de ativação que será aplicada
y = valor de saída do neurônio artificial
Várias funções f podem ser empregadas e utilizadas, de
acordo com a finalidade pretendida, dentre elas:

- Limite Binário (Hard Limit)

- Linear
- Log-sigmóide (σ)
- Sigmóide Tangente Hiperbólica (tanh)
- Unidade Linear Retificada (ReLU)
- Leaky ReLU (LReLU)

Importante: as funções f adotadas devem ser deriváveis, a fim

de facilitar a “calibração” do neurônio, quando necessária.

O aprendizado de uma RNA consiste na modificação dos

pesos e das conexões entre os neurônios de forma iterativa,
sendo 3 delas:

- Aprendizado Supervisionado
- Aprendizado por Reforço
- Aprendizado Não-Supervisionado
Classificação das tecnologias utilizadas no
tratamento de imagens de microondas

Artigos utilizados como base:

- A Survey on Various Data Mining Methods for Detecting Cancer Cells
(1)
- UWB Imaging for Breast Cancer Detection Using Neural Network
(2)
- A Deep Learning Framework for Breast Tumor Detection and
Localization from Microwave Imaging Data (3)
- Neural networks for computer-aided diagnosis in medicine (4)
- CÂNCER, SISTEMA IMUNOLÓGICO E EXERCÍCIO FÍSICO:
UMA REVISÃO NARRATIVA (5)

Resumo comentado do artigo (1)

O tema abordado nesse artigo, de uma forma simples, comenta a respeito

de que o termo câncer pode ser explicado como mutação de certas células/genes e
ou crescimento abandonado das células que leva a alguns defeitos.
Existem vários tipos de métodos de triagem e teste e muitos estão sendo
propostos para melhorar a detecção do câncer, no entanto, há uma necessidade de
última hora para encontrar um método preciso e eficiente para detectar o câncer em
estágio inicial e eliminar o relatório de “falso negativo”. Como sabemos, a
característica da célula cancerosa é totalmente diferente da célula normal. O nível
de proteína do núcleo da célula cancerosa é improvável para que possa acelerar a
divisão celular, causando dificuldade na detecção do mesmo.
Pode-se observar que o risco de acometimento do câncer varia entre 20 e 34
anos, de acordo com os gráficos.
Alguns dos cânceres mais comuns:
- Genito-Urinario : 25%
- Pele : 18%
- Seios: 14%
- Colorretal : 11%
- Pulmão : 11%
- Cabeça / Pescoço: 5%

Como detectá-los?

A - Utilizando Biosensores:
É um método tradicional de detecção a partir de imagens, porém não é tão eficiente
caso a célula cancerígena tenha menos de 0.1cm. Consiste na irradiação de
microondas na faixa de 40 Ghz após a identificação, a fim de eliminar a célula
cancerígena.

B - Antígeno Secretado da Próstata

O câncer com a 2 º maior taxa de morte dentre os homens. Quando ocorre
formação celular cancerígena na próstata, as células cancerígenas secretam um
muco específico internamente. Deve-se ser feito uma biópsia e uma ultrassonografia
para uma análise mais detalhada.

C - Identificação do Núcleo do Câncer de Cólon usando Histologia

Um dos principais métodos propostos, ele analisa o tecido total e identifica as várias
células cancerígenas, a partir de uma proteína específica utilizada no processo.

D - Identificação do Tumor Cerebral Usando CAD

Registrado como o câncer mais mortal dos últimos anos. Uma detecção rápida pode
ser o fator crucial para salvar o paciente, porém os métodos empregados por muitas
vezes são caros e imprecisos a nível celular. Uma alternativa é a reconstrução
gráfica por computador da divisão celular, a partir das análises de imagens

E - Identificação do Câncer de Seios utilizando microondas

Nas mulheres, é o câncer mais mortal. A única chance de cura é a identificação
cedo. A técnica mais avançada de identificação é a geração de imagens a partir das
microondas (ondas não-ionizantes). Há muitas maneiras de utilizar as microondas,
sendo a mais comum delas denominada “MAMI”

F - Plataforma Fotônica de Detectação de Cancer

O principal objetivo desse método é criar uma ressonância de imagens de alta
qualidade utilizando Fótons, a fim de gerar imagens de células no espectro
Nanométrico (10^-9). Cinco tipos de câncer diferentes podem ser detectados com
esse método

Problemas estatísticos associados:

“Cancer Screening” ** (NOTA: ambiguidade no termo)

“Teste Envolvido na Detecção de Câncer”

Pacientes com câncer em estágio inicial têm uma taxa de sobrevivência promissora
de mais de 80%, mas os métodos disponíveis agora para detecção em estágio
inicial são inadequados. Os métodos recentes têm algumas técnicas concretas,
como a detecção baseada em biomarcação, mostrando métodos promissores, como
o uso de marcações sensíveis de alto grau para a maioria dos tipos de câncer.

Visão Geral das Técnicas Existentes de Detecção

As técnicas de detecção usadas nos tempos atuais são muito mais avançadas do
que nas décadas passadas. Os métodos de processamento de imagem tornaram-se
uma bênção, pois possuem quatro métodos simples: Pré Processamento,
Extração de recursos, Segmentação e classificação da célula. Porém, em cada
tipo de câncer, uma técnica diferente é aplicada, necessitando um conhecimento
maior do que está sendo feito/utilizado.

Resumo comentado do artigo (2)

O artigo apresentado mostra um modelo simples de feed-forward back

propagation Neural Network (NN) para detectar e localizar câncer de mama/ tumor
precoce de forma eficiente através da investigação de ondas eletromagnéticas (EM),
transmitidas e recebidas através de antenas direcionais de banda Larga (UWB) na
faixa da frequência de 4 Ghz e 8 Ghz.
Existem dois métodos principais utilizados na UWB:
- Tomografia por microondas, no qual são resolvidas equações no
campo elétrico de maneira direta e reversa para detectar a localização do Tumor
- Transmissão e recepção de pulsos curtos usando antenas UWB.
Ambas as abordagens acima têm algumas desvantagens, pois são incapazes
de detectar e localizar tumores pequenos ou precisam usar um grande número de
antenas.
Após a listagem das medidas envolvidas (ver tabela 2 no artigo), os
procedimentos a serem tomados a seguir foram:

1) Coloque um par de transmissor-receptor em lados opostos da mama

modelo em uma linha
2) Coloque um tumor em qualquer local 'l' ao longo do eixo x no modelo.
3) Transmita primeiro um sinal de 4 GHz (frequência central) usando uma
onda plana localizada na direção do eixo x.
4) Receba o sinal no lado oposto.
5) Mude a localização do tumor e repita (2–4) várias vezes
6) Os passos acima foram repetidos para 8 GHz (frequência central).

Todo o experimento foi feito para 4 e 8 GHz.

 O tempo de propagação do sinal é calculado pelo simulador EM. A assinatura
do tumor está oculta nesses dados. A Rede Neural é uma das melhores ferramentas
em tal aplicação de reconhecimento, embora a melhor arquitetura NN e algoritmo de
aprendizado seja um problema muito difícil
Após a análise dos dados no MATLAB e uma explicação técnica de como o
procedimento foi feito, concluiu-se que um modelo NN feed-forward é desenvolvido
para identificar a existência e localização do tecido tumoral em um modelo de
mama, podendo chegar a 100% de eficácia na detecção e uma precisão média de
94,5%.

Resumo comentado do artigo (3)

O artigo proposto tinha como objetivo mostrar como o tratamento de câncer

de Mama por Microondas (IMC) pode ser eficaz e amplamente utilizado, já que a
metodologia é considerada moderna. Foi utilizada uma Rede Neural para identificar,
localizar e caracterizar os tumores encontrados, sendo programada para identificar
padrões.
Ao iluminar a área da mama com pulsos de micro-ondas de baixa potência,
antenas posicionadas ao redor da área da mama coletam os sinais refletidos para
posterior pré-processamento e reconstrução da imagem por meio de algoritmos
específicos
Uma estrutura de aprendizagem proposta foi feita para elucidar a maneira de
como seria feita a detecção do câncer:
Alguns modelos das redes neurais que foram empregados:
1) Rede de Detecção de Tumores: modelo de classificação binária que visa
detectar se o tumor existe ou não
2) Rede de Localização de Tumores: este modelo localiza o tumor no espaço,
nos dando a localização em centímetros por meio de funções e da Geometria
Analítica
3) Rede de Caracterização de Tumores: este modelo contém 2 objetivos: a
classificação do tumor dentre as camadas da Mama simulada, e a
classificação do raio do tumor em 0.5/1.0/1.5 cm.

Após revisões matemáticas dos neurônios empregados, além de certas

programações e configurações (detalhes técnicos serão revistos no próprio artigo
original), foi construída uma tabela final com os resultados da simulação:
Nota: F1 = indicador matemático de pontuação, compreendido de 0 a 1, dado por:

F1 = 2 ∗ (precision ∗ recall) / (precision + recall)

onde as medidas de precisão e revocação são calculadas a partir

o Verdadeiro Positivo (TP), Falso Positivo (FP) e Falso Negativo
(FN) valores da seguinte forma:

precision = T P / (T P + F P)

recall = T P / (T P + F N)

A tarefa de regressão da localização do tumor é avaliada usando

O Erro Quadrado Médio (MSE) e o Coeficiente de Determinação (R2) medidas de
pontuação. MSE é a média ao quadrado diferença entre as saídas do modelo e o
solo valores de verdade. É obtido pelo seguinte:
Tabela 1: Quantidade de artigos referente às buscas no IEEE

Pesquisa Quantidade de Quantidade de Quantidade de

realizada (2017 Artigos no Artigos no Artigos no
- 2022) IEEE Web Of Google
Science Scholar
Microwave 13 2 146
imaging tumor
(or cancer)

Microwave 14 292 62
imaging tumor
with Neural
Network
Microwave 2 146 780
imaging
(Shannon
Energy)

Microwave 5 29 58
imaging (Fuzzy)

Microwave 10 39 3850
Imaging
(Machine
Learning)
Tabela 2: Análise Quantitativa e Qualitativa de cada metodologia
aplicada

Metodologia / Análise Trata qual Prós Contras Algorítim

câncer os
Emprega
dos
Microwave Imagines - Complexidade
with Neural Network da rede
impossibilita a
praticidade

Microwave Imagines
with Math Methods

*Tendencia atual = utilizar Machine Leairng ao inves de calculos

matematicos*

Prós e Contras - Referenciar o artigo citado

Número de Neurônios empregados?

Metodologia Matemática = quando ocorre a varredura da UWB, o

computador faz uma sentença matemática para identificar o tumor,
subtraindo o ruído com o tumor pelo computador