Framework de Deep Learning baseado em EfficientNetB7 para Classificação Aprimorada de Imagens Histopatológicas de Câncer de Pulmão e Cólon

Summary

Aqui, apresentamos um sistema de aprendizado profundo com o modelo EfficientNetB7 para a classificação precisa de imagens histopatológicas de câncer de pulmão e cólon. O modelo alcançou 96% de precisão com a aplicação de pré-processamento, aumento de dados e aprendizado por transferência. O método tem uma alta perspectiva de auxiliar no diagnóstico clínico do câncer.

Abstract

O diagnóstico precoce do câncer de pulmão desempenha um papel fundamental para garantir um melhor tratamento e a sobrevivência dos pacientes. Isso continua sendo um foco importante na pesquisa clínica. A inteligência artificial (IA) transformou a patologia ao melhorar significativamente a precisão e a eficiência do diagnóstico. Este estudo apresenta um modelo robusto de aprendizado profundo na forma do modelo pré-treinado EfficientNetB7 para classificar imagens histopatológicas do cólon e do tecido pulmonar com uma precisão extremamente alta de 96%. O desempenho do modelo foi otimizado usando métodos avançados de pré-processamento, ajuste fino e técnicas de aumento de dados específicas para domínio. Essas estratégias ajudam a reduzir problemas como desequilíbrio de classes e sutis variações histológicas. Para resolver o problema do sobreajuste, múltiplas técnicas de aumento de dados foram combinadas e um critério inicial de parada foi incorporado. Essa abordagem permitiu treinamentos eficientes e econômicos. A validação robusta do modelo demonstra alta utilidade para aplicações clínicas e permite que os patologistas entreguem diagnósticos oportunos e precisos. Integrar modelos avançados de deep learning nos fluxos de trabalho de imagem médica traz grande potencial para um diagnóstico precoce e preciso do câncer, melhorando os resultados dos pacientes.

Introduction

O câncer de pulmão e cólon está entre os cânceres mais prevalentes do mundo em termos de mortalidade. O câncer de pulmão é o principal câncer fatal, com mais de 1,8 milhão de mortes por ano, seguido pelo câncer de cólon como a terceira malignidade mais ocorrente e a segunda causa mais comum de mortalidade por câncer, segundo estatísticas globais de saúde. Um diagnóstico preciso e precoce é crucial para um tratamento eficaz e para a maior sobrevivência desses cânceres. O exame histopatológico, ou avaliação microscópica de amostras de tecido por patologistas, continua sendo um dos métodos mais frequentes para detectar câncer¹. A Figura 1 mostra imagens histopatológicas amostrais de vários tipos de pulmões e tecidos do^{cólon 2}.

Figura 1: Amostre imagens do conjunto de dados. Esta figura mostra exemplos representativos de cada classe no conjunto de dados LC25000, destacando a diversidade visual entre imagens benignas e malignas de tecidos pulmonares e do cólon. Por favor, clique aqui para ver uma versão ampliada desta figura.

A patologia digital transformou a indústria ao permitir a digitalização de lâminas histológicas, que agora são diagnosticadas usando sofisticados algoritmos de deep^{learning 3}. Em combinação com modelos de deep learning, algoritmos são ótimos em reconhecer padrões sutis em grandes dados, aumentando significativamente a precisão e eficiência do diagnóstico. A Tabela 1 mostra a descrição de cada classe de tecido.

Nome da Classe	Descrição
Tecido benigno pulmonar	Tecido não cancerígeno nos pulmões, não envolvido no crescimento cancerígeno.
Adenocarcinoma pulmonar	Um tipo de câncer de pulmão originado do tecido epitelial glandular, conhecido por seus padrões de crescimento malignos.
Carcinoma de Células Escamosas do Pulmão	Um tipo de câncer de pulmão distinguido por uma certa morfologia celular que surge das células escamosas que revestem as vias aéreas.
Adenocarcinoma do Cólon	A maioria dos casos de câncer de cólon é causada por um tipo comum de câncer de cólon que começa nas células glandulares do revestimento do cólon.
Tecido benigno do cólon	Tecido saudável no cólon que não apresenta sinais de condições cancerígenas ou pré-cancerosas.

Tabela 1: Uma visão geral das cinco classes de tecidos e câncer no conjunto de dados, incluindo nomes de classes, características e o número de imagens em cada classe.

EfficientNetB7, uma arquitetura de rede neural convolucional de ponta, foi identificada como particularmente eficaz para tarefas de classificação de imagens devido ao seu escalonamento balanceado em profundidade, largura e resolução. Comparado a arquiteturas amplamente utilizadas como ResNet e DenseNet, o EfficientNetB7 alcança um equilíbrio superior entre precisão de classificação e eficiência computacional por meio de escalonamento composto, que escala proporcionalmente profundidade, largura e resolução da rede. Embora ResNet e DenseNet tenham demonstrado desempenho robusto em tarefas de classificação de imagens médicas, normalmente exigem maior contagem de parâmetros e maiores recursos computacionais para alcançar precisão comparável, tornando o EfficientNetB7 mais adequado para análise histopatológica em larga escala em ambientes clínicos com recursos^{limitados 4}. A aplicação de modelos computacionais avançados, incluindo ferramentas de IA como o EfficientNetB7, oferece novas possibilidades para superar desafios diagnósticos tradicionais, fornecendo ferramentas que apoiam os patologistas e potencialmente melhoram os resultados diagnósticos. A integração da IA na prática da patologia poderia democratizar o acesso a serviços diagnósticos de qualidade, tornando viável que regiões com conhecimento médico limitado realizem diagnósticos avançados.

Estudos recentes de referência e revisões abrangentes em análise médica de imagens têm enfatizado consistentemente o crescente impacto das arquiteturas de aprendizado profundo em^{histopatologia 5}. Análises em larga escala mostraram que redes neurais convolucionais e suas variantes modernas proporcionam desempenho de ponta na identificação de características morfológicas sutis em múltiplos tipos de tecidos, frequentemente superando os métodos diagnósticos tradicionais. Avaliações comparativas destacam que arquiteturas avançadas, incluindo EfficientNet e outros modelos escaláveis, não apenas alcançam precisão superior na classificação, mas também demonstram maior eficiência^{computacional 6}. Além disso, revisões sistemáticas de patologia digital destacam seu papel transformador no diagnóstico rotineiro ao permitir a reprodutibilidade, reduzir a variabilidade entre observadores e permitir a integração com pipelines automatizados. Esses achados coletivos confirmam a relevância da adoção de modelos avançados de aprendizado profundo para a classificação histopatológica do câncer e fornecem fortes evidências de que a aplicação de arquiteturas escaláveis e eficientes pode enfrentar desafios clínicos como desequilíbrio de classes, variabilidade histológica e disponibilidade limitada de patologistas especialistas.

Os objetivos desta pesquisa são (i) criar e avaliar um modelo de aprendizado profundo para a categorização de imagens histopatologicas do câncer de pulmão e cólon com base na arquitetura EfficientNetB7; (ii) Demonstrar a capacidade do modelo de alcançar alta precisão de classificação, potencialmente superando os métodos diagnósticos tradicionais; (iii) Explorar o impacto da ampliação de dados, técnicas de pré-processamento e aprendizado por transferência no desempenho do modelo em um contexto específico de domínio.

Este estudo não apenas demonstra a alta precisão diagnóstica alcançável com o EfficientNetB7 em imagens histopatológicas, mas também aborda rigorosamente desafios-chave, como desequilíbrio de classes e superajuste por meio de aumento direcionado de dados, estratégias robustas de validação e técnicas de parada precoce. A metodologia foi especificamente projetada para refletir ambientes clínicos do mundo real, utilizando conjuntos de dados ampliados em grande escala e benchmarking do desempenho do modelo em métricas clinicamente relevantes. A automação e eficiência do fluxo de trabalho garantem que o sistema seja prático para integração em laboratórios digitais de patologia, oferecendo potencial para aumentar a produtividade dos patologistas, melhorar a consistência diagnóstica e permitir acesso mais amplo a análises em nível de especialistas tanto em ambientes clínicos de alto quanto com recursos limitados.

Mesmo com avanços notáveis em aprendizado profundo para imagem médica, permanecem vários desafios ao classificar imagens histopatológicas de câncer de pulmão^{e cólon.} Modelos atuais tendem a falhar no tratamento do desequilíbrio de classes, onde alguns tipos de câncer podem estar sub-representados nos conjuntos de dados e criar previsões tendenciosas. Além disso, diferenças histológicas sutis entre subtipos de câncer, como adenocarcinoma e carcinoma de células escamosas do pulmão, apresentam um desafio formidável para a classificação adequada. A maior parte dos trabalhos anteriores foi realizada com classificação de câncer único ou com conjuntos de dados limitados e pequenos, o que impede ampla aplicabilidade e utilidade em um ambiente clínico. Abordagens tradicionais também são menos eficientes computacionalmente, portanto menos desejáveis para grandes aplicações de dados ou clínicas^{em tempo real 8}.

O presente estudo preenche essas lacunas ao aproveitar a arquitetura EfficientNetB7, que é um modelo de deep learning de última geração com escalabilidade e eficácia comprovadas. Zooms aleatórios, flips, rotações e deslocamentos são utilizados como métodos avançados de aumento de dados para maximizar a robustez e a capacidade de generalização do modelo em diferentes padrões histopatológicos. A aprendizagem por transferência também é usada para ajustar o modelo pré-treinado EfficientNetB7, tornando-o capaz de aprender e se adaptar de forma específica para conjuntos de dados de câncer de pulmão e cólon, minimizando o tempo de treinamento e o custo computacional⁹. O uso de pooling global average e paradas precoces também melhora o desempenho do modelo ao ter bom treinamento e evitar o overfitting.

A aplicação do deep learning em imagem médica, especialmente para o diagnóstico de câncer, fez grandes progressos nos últimos anos. O diagnóstico convencional de câncer de pulmão e cólon depende principalmente do exame histopatológico, no qual os patologistas inspecionam amostras de tecido sob um^{microscópio 10}. Embora eficaz, é trabalhoso, sujeito à variabilidade entre observadores e geralmente limitado pela oferta limitada de patologistas especialistas, especialmente em ambientes com recursos limitados. Essas limitações levaram ao desenvolvimento de sistemas de diagnóstico computadorizados baseados em IA e aprendizado profundo.

Modelos de aprendizado profundo, especialmente redes neurais convolucionais (CNNs), têm sido impressionantemente bem-sucedidos na análise de imagens de amostras histopatológicas¹¹. Eles são especialmente bons para identificar padrões intrincados e variações sutis na morfologia tecidual, tarefas adequadas para classificação de câncer. Apesar do progresso, ainda existem deficiências como desequilíbrio de classes, generalização limitada em cenários multi-conjunto de dados e altos custos computacionais nas abordagens atuais. Por exemplo, a maior parte do trabalho aborda a classificação de câncer único, o que limita seu uso a cenários de diagnóstico multicâncer. Além disso, técnicas ruins de pré-processamento e aumento de dados o tornam suscetível ao superajuste, especialmente em cenários de conjunto de dados pequenos ou desequilibrados.

Desenvolvimentos recentes em aprendizagem por transferência superaram parcialmente essas limitações ao aproveitar modelos pré-treinados em conjuntos de dados de grande escala, como o ImageNet. EfficientNet, ResNet e DenseNet são alguns modelos que atraíram atenção na análise de imagens médicas, pois podem aprender recursos de alto nível a partir de quantidades limitadas de dados de treinamento¹². O EfficientNet também teve ampla adoção por sua escalabilidade e eficiência, já que alcança precisão de ponta em vários benchmarks de classificação de imagens. A aplicação da EfficientNet na classificação do câncer combinado de pulmão e cólon não é amplamente investigada, especialmente no tratamento do desequilíbrio de classes e variações histológicas^{sutis 13}.

A ampliação de dados tem sido uma estratégia crucial para a robustez e melhoria da generalização^{dos modelos 14}. Ao incorporar variações como rotação, deslocamento, zoom e inversão de dados, técnicas de aumento de dados simulam a variabilidade existente em imagens histopatológicas reais, permitindo que os modelos aprendam características invariantes. Técnicas de paradas e regularização precoces melhoram ainda mais o desempenho do modelo ao evitar o sobreajuste e maximizar a eficiência do treinamento. Apesar de todos esses avanços, ainda há necessidade de frameworks de ponta a ponta que abraçem pré-processamento avançado, aumento e aprendizado por transferência para alcançar alta precisão e eficiência computacional para classificação multicâncer. A Tabela 2 15,16,17,18,19,20,21,22,23,24 mostra a literatura do estudo a partir da literatura existente.

Estudo	Objetivo
Talukder, M. A. et al.15 (2022)	Apresentar um modelo híbrido de extração de características em conjunto que combina aprendizado profundo e aprendizado de máquina para identificar câncer de cólon e pulmão.
Attallah, O. et al.16 (2022)	Forneça uma estrutura de aprendizado profundo de baixo peso que combine uma variedade de modelos e técnicas de transformação para ajudar a detectar cânceres de pulmão e cólon de forma precoce.
Hage Chehade, A. et al.17 (2022)	Crie um sistema de diagnóstico assistido por computador baseado em aprendizado de máquina que possa identificar diferentes tipos de tecidos pulmonares e do cólon.
Wahid, R. R. et al.18 (2023)	Use um sistema de diagnóstico assistido por computador com CNNs para detectar cânceres de pulmão e cólon.
Kumar, N. et al.19 (2022)	Compare e contraste as técnicas de extração de características usadas para categorizar câncer de cólon e pulmão.
Mehmood, S. et al.20 (2022)	Crie uma rede neural pré-treinada com um modelo de diagnóstico em camadas modificadas para cânceres de pulmão e cólon, que seja ao mesmo tempo preciso e eficiente.
Zhou, L. et al.21 (2024)	Prever novos alvos para Wogonin (WOG) no tratamento do câncer de pulmão, bexiga e cólon usando métodos de bioinformática.
Reddy, K. R. et al.22 (2022)	Fornecer um método híbrido de extração de características em conjunto baseado em aprendizado de máquina para a detecção de câncer de cólon (LCC).
Shandilya, S., Nayak, S. R.23 (2022)	CNNs e o design de transformadores de visão ajudam a classificar imagens histopatológicas de câncer de pulmão e cólon.
Hasan, M. et al.24 (2023)	Utilizando muitos modelos CNN, classifica imagens de câncer de pulmão e cólon para aprimorar os procedimentos de diagnóstico.

Tabela 2: Comparação de estudos anteriores relevantes sobre classificação histopatológica de imagens, detalhando conjuntos de dados utilizados, tipos de modelos e resultados relatados.

Este artigo se baseia nessas contribuições incorporando um modelo de deep learning utilizando a arquitetura EfficientNetB7, complementado por aumento de dados de última geração e aprendizado por transferência. A solução atual supera as falhas de soluções anteriores por meio de maior precisão na classificação, equilíbrio de classes e menor custo computacional, sendo assim uma solução ideal para uso no ambiente clínico.

Protocol

Este estudo não envolveu experimentos diretos com participantes humanos ou animais. Todo o trabalho foi realizado utilizando o conjunto de dados LC25000 anonimizado e público de imagens histopatológicas, que não continha informações identificáveis do paciente nem manuseio direto de tecido humano. Não foi necessária aprovação do Conselho de Revisão Institucional (IRB) ou do Comitê de Cuidado e Uso Institucional de Animais (IACUC). Todos os procedimentos cumpriram padrões éticos e seguiram os termos de uso do conjunto de dados para pesquisa acadêmica. A Figura 2 mostra os passos do diagrama do fluxo de trabalho.

Figura 2: Fluxo de trabalho do método proposto. O fluxo de trabalho inclui pré-processamento de dados, aumentação, treinamento de modelos e avaliação. Por favor, clique aqui para ver uma versão ampliada desta figura.

Descrição do conjunto de dados
O conjunto de dados LC25000 foi utilizado para este estudo. Consistia em 25.000 imagens histopatológicas, todas uniformmente formatadas como arquivos JPEG com resolução de 768 × 768 pixels. O conjunto de dados se originou de um conjunto inicial de 1.250 imagens originais, incluindo 250 imagens de tecido pulmonar benigno, 250 adenocarcinomas pulmonares, 250 carcinomas de células escamosas pulmonares, 250 imagens de tecido benigno do cólon e 250 adenocarcinomas do cólon. As imagens restantes foram geradas por meio de aumento de dados para expandir o conjunto de dados, garantindo uma coleção diversificada e extensa para treinamento e validação robustos do modelo.

As imagens de alta resolução permitiram um exame detalhado das estruturas celulares, o que foi essencial para a classificação precisa do câncer. A ampliação de dados era necessária devido ao número limitado de imagens originais; Técnicas como rotações, flips, zooms e shifts foram empregadas para aumentar sinteticamente o tamanho e a diversidade do conjunto de dados. Esse processo gerou mais 23.750 imagens sintéticas de forma balanceada por classes, resultando em um conjunto final de dados de 25.000 imagens, com cada classe contendo 5.000 imagens após a ampliação.

Pré-processamento de dados
As imagens histopatológicas brutas dentro do conjunto de dados tinham resolução de 768 × 768 pixels. Para garantir compatibilidade com a arquitetura EfficientNetB7 e maximizar a eficiência computacional, cada imagem foi redimensionada de 768 × 768 para 224 × 224 pixels. Esse processo de redimensionamento representou um equilíbrio entre preservar características histológicas essenciais e reduzir a sobrecarga computacional. A operação de redimensionamento foi representada matematicamente, conforme mostrado em

Equação 1: (1)

onde X representava a imagem original, X_{redimensionado} era a imagem redimensionada, e h e w eram a altura e largura desejadas, respectivamente. Todos os valores de pixels foram normalizados para uma faixa de 0 a 1, o que estabilizou e acelerou o treinamento ao garantir uma distribuição consistente de entrada entre as imagens. Essa normalização foi calculada matematicamente, conforme mostrado na Equação 2. Essa etapa foi essencial para melhorar a convergência dos modelos durante o treinamento.

(2)

A ampliação de dados foi empregada como uma técnica crítica para aumentar a robustez e aplicabilidade dos modelos de aprendizado profundo, especialmente no contexto de imagens médicas com conjuntos de dados limitados e desequilibrados. Neste estudo, uma variedade de técnicas de aumento foi aplicada usando o módulo ImageDataGenerator da TensorFlow para simular variação in vivo em imagens histopatológicas. Essas técnicas incluíam rotações aleatórias de até 20 graus para simular a variabilidade da orientação dos tecidos, deslocamentos horizontais e verticais de até 20% das dimensões da imagem para imitar a variabilidade da posição durante a preparação do slide, e zooms aleatórios de até 20% para refletir variabilidade nos níveis de ampliação.

Além disso, foi realizado o flipping horizontal para introduzir variações em imagem espelhada, enriquecendo ainda mais o conjunto de dados de treinamento. Para gerenciar pixels recém-sintetizados gerados durante essas transformações, foi adotada uma estratégia de preenchimento do vizinho mais próximo para garantir transições suaves e preservar a integridade das principais características histológicas. A matriz de rotação 2D usada para aumento é representada na Equação 3, e a Equação 4 define uma função com uma mudança incremental:

(3)

(4)

Essas técnicas de aumento compensavam desafios como desequilíbrio de classes, pequenas variações histológicas e limitações do conjunto de dados, permitindo que o modelo aprendesse características invariantes e reduzindo o risco de superajuste. Ao expandir sinteticamente o conjunto de dados e incorporar variabilidade controlada, a ampliação de dados melhorou significativamente a capacidade do modelo de generalizar para dados novos e não vistos, produzindo assim um sistema mais forte e robusto para implantação clínica no diagnóstico de câncer de pulmão e cólon.

Arquitetura do modelo
O modelo foi desenvolvido com base na arquitetura EfficientNetB7, uma rede de deep learning de última geração reconhecida por seu desempenho, escalabilidade e eficácia em tarefas de classificação de imagens. O EfficientNetB7 foi construído usando uma série de blocos Mobile Inverted Bottleneck Convolution (MBConv), que incorporavam convoluções separáveis em profundidade. Esse projeto estrutural comprimia efetivamente o modelo, resultando em reduções significativas no número de parâmetros com perda mínima de desempenho. Essa inovação permitiu que o modelo alcançasse alta precisão com menores custos computacionais, tornando-o particularmente adequado para aplicações computacionalmente intensivas, como análise histopatológica de imagens. A Figura 3 mostra a arquitetura do modelo do EfficientNetB7 pré-treinado.

Figura 3: Arquitetura do modelo do EfficientNetB7. Esta figura mostra a estrutura detalhada do modelo EfficientNetB7, ilustrando suas camadas principais e blocos funcionais usados para classificação de imagens. Por favor, clique aqui para ver uma versão ampliada desta figura.

O modelo aceitava imagens histopatológicas pré-processadas que haviam sido redimensionadas de suas dimensões originais de 768 × 768 pixels para 224 × 224 pixels para corresponder aos requisitos de entrada do EfficientNetB7. Cada imagem passou por vários processos dentro da rede, incluindo normalização em lote, funções de ativação do Swish e operações de convolução. A normalização em lote foi calculada conforme mostrado na Equação 5. A função de ativação do Swish introduziu a não linearidade e permitiu um treinamento mais rápido e eficiente em comparação com funções tradicionais como o ReLU. Essas camadas foram projetadas para extrair e aprimorar características hierárquicas, permitindo que o modelo aprendesse progressivamente de padrões de baixo nível para padrões de alto nível à medida que as imagens se propagavam pela rede.

(5)

A espinha dorsal convolucional do EfficientNetB7, pré-treinada no conjunto de dados ImageNet, forneceu um conjunto altamente generalizável de detectores de características eficazes em uma ampla gama de domínios de imagem. A base pré-treinada desempenhou um papel fundamental na captura de padrões sutis, porém informativos, em imagens histopatológicas, frequentemente caracterizadas por alta variabilidade intra-classe e características finas. A saída das camadas convolucionais era passada para uma camada global de pooling média, que reduzia as dimensões espaciais para um único vetor de características para cada imagem. Esse vetor, encapsulando as características mais relevantes aprendidas pelas camadas convolucionais, foi então achatado em um array unidimensional para compatibilidade com camadas totalmente conectadas. O algoritmo para a detecção aprimorada de câncer de pulmão e cólon é fornecido no Arquivo Suplementar 1.

A arquitetura de rede subsequente incluiu duas camadas densas (totalmente conectadas) com 128 e 64 unidades, respectivamente. Ambas as camadas utilizaram a função de ativação da Unidade Linear Retificada (ReLU) para introduzir não linearidade adicional e ajustar finamente as características extraídas, permitindo que o modelo reconhecesse padrões e relações mais precisas dentro dos dados. A camada final do modelo era uma camada de saída SoftMax com cinco neurônios, cada um representando uma das cinco classes do conjunto de dados. A função SoftMax produzia uma distribuição de probabilidade entre as classes, que refletia a previsão do modelo para cada imagem de entrada, conforme descrito na Equação 6:

(6)

A combinação de técnicas convolucionais de última geração, regularização robusta e estratégias eficazes de otimização resultou em um modelo de aprendizado profundo bem adequado para classificação de imagens médicas de alto risco. O modelo alcançou precisão, escalabilidade e eficiência operacional, demonstrando forte potencial para aplicação clínica no diagnóstico de câncer de pulmão e cólon. Dentro desse quadro, a regularização foi realizada principalmente por meio de aumento avançado de dados e uso de parada precoce; nenhum desentendimento explícito ou decaimento de peso foi aplicado às camadas densas.

Treinamento e validação
O pipeline de validação e pré-treinamento da rede neural convolucional (CNN) para LC25000 classificação histopatológica de imagens foi projetado para otimizar o desempenho do modelo e garantir boa generalização. O pipeline começou com pré-processamento abrangente, que incluiu a redução das imagens originais de 768 × 768 pixels para 224 × 224 pixels, para atender aos requisitos de entrada da arquitetura EfficientNetB7. As intensidades dos pixels foram normalizadas para a faixa [0, 1] para estabilizar e acelerar o treinamento, e técnicas de aumento de dados, incluindo rotações aleatórias, deslocamentos, zooms e flips horizontais — foram aplicadas para introduzir variabilidade e mitigar o sobreajuste. Essas operações de pré-processamento garantiam que o modelo aprendesse características invariantes e se generalizasse bem para novos dados.

O modelo EfficientNetB7, pré-treinado no conjunto de dados ImageNet, foi empregado como base, fornecendo um conjunto robusto de detectores de características capaz de identificar padrões histológicos sutis. O modelo foi posteriormente ajustado com duas camadas densas (128 e 64 unidades) ativadas pela função Retified Linear Unit (ReLU), seguidas por uma camada de saída SoftMax para classificação de cinco classes. Essa arquitetura foi otimizada tanto para precisão quanto para eficiência computacional, tornando-a adequada para análise de imagens médicas. A regra de atualização do otimizador Adam para θ é mostrada na Equação 7.

(7)

O treinamento do modelo foi realizado em lotes de 128 imagens usando o otimizador Adam, que escalou adaptativamente a taxa de aprendizado para promover uma convergência eficaz. Um critério inicial de parada foi implementado para monitorar a perda de validação e parar o treinamento caso nenhuma melhoria fosse observada, evitando assim o sobreajuste e otimizando os recursos computacionais. Durante o treinamento, métricas-chave de desempenho — incluindo precisão, perda, precisão e recordação — foram monitoradas usando um conjunto de validação de retenção que compreende 20% dos dados. O conjunto de retenção forneceu insights críticos sobre as capacidades de generalização do modelo e mitigou o risco de superajuste a dados não vistos.

A integração de estratégias avançadas de pré-processamento, aumento de dados e otimização resultou em excelente precisão e robustez do modelo, demonstrando forte potencial para aplicação clínica na detecção de câncer de pulmão e cólon. Todos os experimentos foram realizados em uma GPU NVIDIA Tesla P100 com 16 GB de memória e 64 GB de RAM do sistema. O pipeline completo de treinamento — incluindo pré-processamento, aumento e otimização de modelos — exigia aproximadamente três horas para completar dez épocas com um tamanho de lote de 128. Essa infraestrutura computacional foi selecionada para gerenciar eficientemente o grande conjunto de dados ampliado, mantendo tempos de treinamento razoáveis adequados para ambientes de pesquisa clínica.

Para reprodutibilidade, todos os hiperparâmetros críticos foram explicitamente especificados. O modelo foi treinado usando o otimizador Adam com uma taxa de aprendizado constante de 0,001. O treinamento era realizado por um máximo de 10 épocas, com paradas precoces baseadas na perda de validação e uma paciência de três épocas para evitar sobreajuste. Um lote de 128 foi utilizado tanto para as fases de treinamento quanto para validação. Para garantir resultados consistentes, a semente aleatória foi definida para 42 em todas as etapas do carregamento dos dados e do treinamento do modelo. Nenhum cronograma de decadência da taxa de aprendizagem foi aplicado durante o treinamento.

O protocolo combinava pré-processamento sistemático, hiperparâmetros bem calibrados, esquemas rigorosos de validação e um ambiente computacional aberto para promover tanto a precisão quanto a reprodutibilidade. O fluxo de trabalho, ao integrar arquitetura robusta de deep learning, otimização eficaz e desenho experimental reproduzível, estabeleceu uma base sólida para a classificação histopatológica de imagens. Além de demonstrar forte desempenho na detecção de câncer de pulmão e cólon, o protocolo definiu uma estrutura escalável que poderia ser estendida para desafios semelhantes de imagem biomédica em pesquisas futuras.

Durante o desenvolvimento do modelo, vários ajustes práticos foram implementados para alcançar resultados confiáveis e reprodutíveis. Paradas precoces e aumento avançado de dados foram usados para corrigir o desequilíbrio de classes e o sobreajuste. O alto uso de memória durante o treinamento foi mitigado redimensionando imagens para 224 × 224 pixels e usando um lote de 128 pixels. Quando a convergência lenta era encontrada, a taxa de aprendizado era empiricamente definida para 0,001. A verificação manual da estrutura do diretório de imagens era realizada para evitar erros de carregamento de dados, e sementes aleatórias eram corrigidas para garantir a reprodutibilidade. Essas estratégias podem servir como orientação prática para pesquisadores que enfrentam desafios análogos no treinamento de modelos de aprendizado profundo com grandes conjuntos de dados histopatológicos de imagens.

Análise estatística
A modelagem estatística do desempenho do modelo foi realizada utilizando um conjunto abrangente de métricas para avaliar precisão, estabilidade e generalizabilidade. As principais medidas de avaliação incluíram precisão, recordação, pontuação F1 e precisão para quantificar o desempenho na classificação. A matriz de confusão foi utilizada para reportar métricas de erro específicas de cada classe, calculadas de acordo com as Equações 8-10:

(8)

(9)

(10)

Além disso, medidas de erro como Erro Quadrático Médio (MSE), Erro Quadrático Médio Radicular (RMSE) e Erro Absoluto Médio (MAE) foram avaliadas para avaliar a precisão da predição, calculada usando as Equações 11-13:

(11)

(12)

(13)

A curva da Característica de Operação do Receptor (ROC) e a Área Sob a Curva (AUC) foram empregadas para avaliar a capacidade do modelo de discriminar entre classes em vários limiares. O AUC foi calculado conforme mostrado na Equação 14:

(14)

Essas análises estatísticas forneceram uma avaliação completa do desempenho de classificação do modelo, robustez e generalização para dados não vistos.

Estudo de ablação
Para avaliar melhor a contribuição de cada componente dentro do arcabouço de classificação, foi realizado um estudo de ablação omitindo ou modificando seletivamente elementos arquitetônicos específicos do modelo final. Especificamente, duas configurações experimentais alternativas foram avaliadas: uma configuração incluía tanto as camadas de Pool Média Global quanto as camadas Flatten, seguidas por duas camadas densas (128 e 64 unidades, respectivamente); a outra configuração omitiu tanto a camada Flatten quanto a camada densa de 128 unidades, restando apenas a camada Global Average Pooling e uma única camada densa de 64 unidades.

A arquitetura completa, conforme relatado nos resultados principais, alcançou uma precisão de validação de aproximadamente 96%. Quando a camada Flatten foi excluída, e apenas as camadas densas de 128 e 64 unidades foram usadas após o Global Average Pooling, a precisão da validação caiu para 81,6%. Por outro lado, quando a camada densa de 128 unidades foi excluída e a camada Flatten foi mantida, a precisão da validação diminuiu para 88%. Esses resultados indicaram a necessidade de incluir tanto a camada extra densa quanto os componentes arquitetônicos apropriados para alcançar o desempenho ideal na classificação. Os resultados dos experimentos de ablação demonstraram consistentemente que a combinação do Global Average Pooling, Flattening e duas camadas totalmente conectadas permitiu uma representação de características mais expressiva, resultando em uma classificação histopatológica de imagens mais robusta e precisa.

Results

A Figura 4 apresenta a precisão do treinamento e validação. A Figura 5 apresenta a perda de treinamento e validação.

Figura 4: Precisão do treinamento e validação ao longo de épocas. Esta figura mostra a progressão da precisão ta...

Discussion

Na revisão crítica de instâncias rotuladas incorretamente sob a arquitetura de deep learning EfficientNetB7, é realizado um exame crítico em casos em que as previsões do modelo não correspondem aos rótulos reais dentro do conjunto de dados de validação. A análise crítica é de extrema importância na análise de certos erros de classificação, especialmente quando o modelo classifica incorretamente várias características histopatológicas dos tecidos pulmonares e do^cólon.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
GPU A100 (CUDA)	NVIDIA	CUDA Versão 11.0	Aceleração de GPU para treinamento e avaliação de modelos.
Plataforma Kaggle	Google	N/A	Notebook baseado em nuvem para desenvolvimento de modelos de aprendizado de máquina
Keras	TensorFlow (Google)	Versão 2.6.0	API de aprendizado profundo rodando sobre o TensorFlow.
LC25000	Borkowski AA, Bui MM, Thomas LB, Wilson CP, DeLand LA, Mastorides SM. Conjunto de Dados de Imagens Histopatológicas de Câncer de Pulmão e Cólon (LC25000)	N/A	Este conjunto de dados contém 25.000 imagens histopatológicas com 5 classes. Todas as imagens têm tamanho de 768 x 768 pixels e estão em formato de arquivo jpeg.
Matplotlib	Fundação de Software Python	Versão 3.5.0	Biblioteca de visualização para plotar resultados.
NumPy	Fundação de Software Python	Versão 1.19.5	Biblioteca de computação numérica.
OpenCV	Código Aberto	Versão 4.5.4	Biblioteca de processamento de imagem e visão computacional.
Pandas	Fundação de Software Python	Versão 1.3.4	Ferramenta de análise e manipulação de dados.
Python (Distribuição Anaconda)	Anaconda Inc	Versão 3.7.12	Inclui pacotes pré-instalados e ferramentas de gerenciamento de ambiente.
Scikit-learn	Fundação de Software Python	Versão 0.23.2	Ferramentas de aprendizado de máquina para avaliação de desempenho.
TensorFlow	Google	Versão 2.6.2	Framework de deep learning para modelos de difusão.