Using machine learning in breast cancer diagnosis through ultrasonography
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1289Keywords:
Mammary, Ultrasonography, Machine Learning, Breast CancerAbstract
Objective: To apply machine learning techniques to evaluate the efficiency and accuracy in diagnosing breast cancer using ultrasound images. Methods: Using the Orange Data Mining tool, images from a dataset obtained on the Kaggle platform containing ultrasound scans of breasts with benign and malignant nodules were processed. Results: Image analysis in the tests was performed using machine learning techniques, Neural Network and KNN, which demonstrated high accuracy rates in classifying benign and malignant nodules with results above 90% accuracy. Conclusion: The research emphasizes the importance of machine learning tools to create robust and accurate predictive models, significantly improving clinical diagnostic accuracy and increasing patient recovery chances.
References
Oracle Brasil. O que é Machine learning? [202-].Available from: https://www.oracle.com/br/artificial-intelligence/machine-learning/what-is-machine- learning/. Accessed 2024 Feb 17.
IBM. O que é machine learning? [202-]. Available from: https://www.ibm.com/br- pt/topics/machine-learning. Accessed 2024 Feb 18.
Silva ME, et al. Proposta e avaliação de um modelo híbrido de seleção de características para o prognóstico do câncer de mama. 2022.
O que é câncer? [Internet]. Instituto Nacional de Câncer - INCA. [citado 18 de janeiro de 2024]. Disponível em: https://www.gov.br/inca/pt-br/assuntos/cancer/o-que-e- cancer
Ministério da Saúde. Câncer de mama. [202-]. Available from: https://www.gov.br/saude/pt-br/assuntos/saude-de-a-a-z/c/cancer-de-mama. Accessed 2024 Jan 18.
Ferreira CSC. Uso de inteligência artificial em deep learning na segmentação da mama em imagens de ressonância magnética como ferramenta para o diagnóstico de câncer de mama: uma revisão sistemática. 2023.
Instituto Nacional de Câncer. Outubro Rosa 2023. (2023). Available from: https://www.gov.br/inca/pt-br/assuntos/campanhas/2023/outubro-rosa. Accessed 2024 Feb 19.
McKinney SM, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94. DOI: https://doi.org/10.1038/s41586-019-1799-6
Dembrower K, et al. Effect of artificial intelligence-based triaging of breast cancer screening mammograms on cancer detection and radiologist workload: a retrospective simulation study. The Lancet Digital Health. 2020;2(9) DOI: https://doi.org/10.1016/S2589-7500(20)30185-0
Campos KFA. Importância da mamografia no rastreio do câncer de mama: uma revisão de literatura. 2023.
Aguiar YM, et al. Desenvolvimento e aplicação de metodologia de aprendizagem de máquina para classificação de imagens termográficas na área médica. 2021. Dissertação de Mestrado. Universidade Federal de Pernambuco.
Calas MJG, et al. Estudo preliminar das limitações técnicas da ultrassonografia automatizada da mama: do procedimento ao diagnóstico. Radiologia Brasileira. 2020;53:293-300. DOI: https://doi.org/10.1590/0100-3984.2019.0079
Vieira WL, et al. A importância da Ultrassonografia no Câncer de Mama. Março de 2018 24ª EDIÇÃO, p. 41, 2018.
Braga AV, et al. Machine learning: O Uso da Inteligência Artificial na Medicina. Brazilian Journal of Development. 2019;5(9):16407-13. DOI: https://doi.org/10.34117/bjdv5n9-190
Sairam VA. Ultrasound Breast Images for Breast Cancer. (2024). Available from: https://www.kaggle.com/datasets/vuppalaadithyasairam/ultrasound-breast-images- for-breast-cancer/data. Accessed 2024 Jan 14.
Hochman B, Nahas FX, Oliveira Filho RS, Ferreira LM. Desenhos de pesquisa. Acta Cir Bras. 2005;20(suppl 2):2-9. doi: 10.1590/S0102-86502005000800002. DOI: https://doi.org/10.1590/S0102-86502005000800002
De Rezende MR, Maimone TS. Uso de inteligência artificial para identificação de fatores influenciadores do câncer de mama a partir de dados clínicos. 2022.
Diniz JOB, Dias DA Jr, Cruz LB da, Marques RCS, Gomes DL Jr, Cortês OAC, et al. EfficientEnsemble: Diagnóstico de câncer de mama em imagens de ultrassom utilizando processamento de imagens e Ensemble de EfficientNets. Em: Anais do XXIV Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2024). Sociedade Brasileira de Computação - SBC; 2024. p. 202–13. DOI: https://doi.org/10.5753/sbcas.2024.2155
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Submission of a paper to Journal of Health Informatics is understood to imply that it is not being considered for publication elsewhere and that the author(s) permission to publish his/her (their) article(s) in this Journal implies the exclusive authorization of the publishers to deal with all issues concerning the copyright therein. Upon the submission of an article, authors will be asked to sign a Copyright Notice. Acceptance of the agreement will ensure the widest possible dissemination of information. An e-mail will be sent to the corresponding author confirming receipt of the manuscript and acceptance of the agreement.
