Redes Neurais

Tratamentos de Imagem de Câncer

João Gabriel Bitencourt

Engenharia de Controle e
Automação - 5º semestre

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
Câncer: Aspectos Gerais

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
 Fatores que ocasionam os tumores:

- Predisposição genética
- Radiação Ionizante
- Poluição
- Consumo de Drogas
- Hábitos sedentários / ingestão
de alimentos industrializados

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
 Cânceres mais comuns:

Genito-Urinário: 25%
Pele: 18%
Seios/Mama: 14%
Colorretal: 11%
Pulmão: 11%
Cabeça/Nuca: 5%
Hematológico: 4%

Outros: 12%
João Gabriel de Souza Bitencourt
joao.bitencourt@aluno.ifsp.edu.br
 Métodos de detecção
- Utilizando Biossensores - Identificação do Tumor
Cerebral Usando CAD

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
- -
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
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.
- 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
João Gabriel de Souza Bitencourt
joao.bitencourt@aluno.ifsp.edu.br
Utilizando Redes Neurais na
detecção

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
xn = 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

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
 Tipos de Funções Programáveis nas
redes neurais
- Limite Binário (Hard
Limit)
- Linear
- Log-sigmóide (σ)
- Sigmóide Tangente
Hiperbólica (tanh)
- Unidade Linear
Retificada (ReLU)
- Leaky ReLU (LReLU)
- LPAv2

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
 Comparação entre elas para um
mesmo problema
A=1, B=0, S=1
A=1, B=1, S=0

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
Trabalhando com a LPAv2

João Gabriel de Souza Bitencourt

joao.bitencourt@aluno.ifsp.edu.br
 Metodologia empregada
1) Coloque um par de transmissor-receptor na simulação
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).

Este experimento foi feito para 4 e 8 GHz. 100% de eficácia na detecção e uma
precisão média de 94,5%.
João Gabriel de Souza Bitencourt
joao.bitencourt@aluno.ifsp.edu.br
 Metodologia empregada na
simulação

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.
 Referências bibliográficas
Artigos:
A Survey on Various Data Mining Methods for Detecting Cancer Cells - G. Tamilmani1 and S. Sivakumari2 1 Research Scholar, 2 Professor and Head
Department of Computer Science and Engineering, Avinashilingam Institute for Home Science and Higher Education for Women

- UWB Imaging for Breast Cancer Detection Using Neural Network - Saleh Alsheri, University Collage of Jubail

- A Deep Learning Framework for Breast Tumor Detection and Localization from Microwave Imaging Data - Salwa K. Al Khatib ECE Department Beirut
Arab University Beirut, Lebanon salwa.alkhatib@ieee.org Tarek Naous ECE Department American University of Beirut Beirut, Lebanon tnn11@aub.edu.lb

- Neural networks for computer-aided diagnosis in medicine - A review Di lin a,n , Athanasios V. Vasilakos b , Yu Tang a , Yuanzhe Yao a a School of
Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, China b Department of Computer Science,
Electrical and Space Engineering, Luleå University of Technology, Skellefteå, Sweden

- CÂNCER, SISTEMA IMUNOLÓGICO E EXERCÍCIO FÍSICO: UMA REVISÃO NARRATIVA - Henrique Stelzer Nogueira Instituto Federal de Educação,
Ciência e Tecnologia de São Paulo, São Paulo, SP, Brasil
 Referências bibliográficas
- DE CARVALHO JUNIOR, A. Identificação e Controle de Sistemas
Dinâmicos com Rede Neural Paraconsistente. 2021. 196 p. Tese
(Doutorado) – Programa de Engenharia Elétrica, Escola
Politécnica, Universidade de São Paulo, São Paulo, 2021.

- https://www.sapralandauer.com.br/protecao-radiologica-saiba-
sobre-os-principais-aspectos-normas-e-tecnologias-
empregadas/o-que-e-radiacao-nocoes-basicas-de-protecao-
radiologica/