TexVar: Um Autoencoder Variacional para representação e interpretação de texturas mamográficas

Abstract

A classificação da densidade mamária através de exames de raio X ainda é considerado o principal mecanismo para detecção precoce do câncer de mama, uma vez que o tecido fibroglandular pode esconder tumores iniciais. O objetivo deste artigo é propor um modelo interpretável para a classificação de densidades mamárias em imagens mamográficas. A arquitetura proposta é constituída por um autoencoder variacional (VAE) de camadas convolucionais e densas com espaço latente de 32 variáveis. O modelo permite examinar o significado das variáveis através da transição de textura entre as 4 classes da escala Breast Image Reporting and Data System (BI-RADS). Experimentos utilizando a base de dados pública IRMA composta de 5024 imagens demonstraram a capacidade do VAE em reduzir a dimensionalidade do problema para um espaço onde as variáveis mais discriminantes podem ser interpretadas de forma visual, fundamentando o processo de diagnóstico.