Framework de Aprendizagem por Transferência Guiada pela Atenção para Classificação de Tumores Cerebrais em Quatro Classes usando Ressonância Magnética

Resumo

Este estudo apresenta uma estrutura leve de aprendizado profundo baseada em atenção para classificação de tumores cerebrais em quatro classes a partir de imagens de ressonância magnética, utilizando aprendizado por transferência com MobileNetV2, EfficientNetV1 e Inception-ResNet-V2. O modelo alcança alta precisão de classificação com complexidade computacional reduzida, apoiando aplicações clínicas de suporte à decisão com recursos limitados.

Resumo

O objetivo desta pesquisa é desenvolver uma estrutura de aprendizado profundo leve, porém precisa, para classificar tumores cerebrais em quatro categorias — gliomas, meningiomas, tumores hipofisários e tecido cerebral saudável — utilizando dados de ressonância magnética (MRI). A metodologia proposta combina aprendizado por transferência com três modelos pré-treinados de redes neurais convolucionais — MobileNetV2, EfficientNetV1 e Inception-ResNet-V2 — integrados a um mecanismo de atenção que emula a capacidade do sistema visual humano de focar em regiões clinicamente relevantes de uma imagem. Essa abordagem guiada pela atenção melhora a localização tumoral enquanto suprime informações de fundo irrelevantes. A estrutura é avaliada em um grande conjunto de dados de ressonância magnética cerebral disponível publicamente, contendo milhares de imagens rotuladas nas quatro classes. Protocolos padrão de pré-processamento, aumento de dados e treinamento são empregados para permitir a replicação direta do método proposto. Resultados experimentais demonstram que o EfficientNetV1 alcança o maior desempenho de classificação, alcançando precisão superior em comparação tanto com o MobileNetV2 quanto com o Inception-ResNet-V2. O estudo conclui que a estrutura leve e baseada na atenção proposta equilibra efetivamente precisão e complexidade computacional, tornando-a altamente adequada para aplicações de saúde em tempo real e móveis, especialmente em ambientes com recursos limitados.

Introdução

A classificação precisa de tumores cerebrais usando ressonância magnética (RM) desempenha um papel fundamental no diagnóstico clínico, planejamento do tratamento e estimativa do^{prognóstico 1}. Tumores cerebrais, incluindo glioma, meningioma e hipófise, apresentam características patológicas distintas e respostas ao tratamento; Portanto, a identificação precoce e confiável é essencial para melhorar os resultados terapêuticos e reduzir a progressão da doença. A ressonância magnética é amplamente preferida para avaliação de tumores cerebrais devido ao seu contraste superior de tecidos moles, natureza não invasiva e capacidade de visualizar a morfologia tumoral em múltiplos planos anatômicos. No entanto, a interpretação manual das ressonâncias magnéticas costuma ser demorada e depende muito da expertise radiológica, especialmente quando os limites tumorais são irregulares ou quando existem semelhanças visuais entre classes tumorais. Consequentemente, sistemas automatizados de diagnóstico assistido por computador tornaram-se cada vez mais importantes para auxiliar os radiologistas na classificação tumoral precisa e eficiente.

Técnicas de análise de imagens baseadas em aprendizado profundo (DL) avançaram significativamente a classificação automatizada de doenças em aplicações biomédicas e de visão^{computacional 2,3}. Em neurooncologia, técnicas de aprendizado de máquina e aprendizagem por transferência demonstraram desempenho promissor para tarefas de detecção, segmentação e classificação de^{tumores 4}. Redes neurais convolucionais (CNNs), em particular, demonstraram capacidade superior em extrair automaticamente características hierárquicas de imagens diretamente de scans de ressonância magnética, sem depender de engenharia de características artesanal. Arquiteturas CNN podem aprender representações discriminativas relacionadas a tumores a partir de dados de imagem, melhorando assim o desempenho da classificação em comparação com abordagens convencionais de aprendizado de máquina. Avanços recentes em DL permitiram o desenvolvimento de sistemas de classificação de imagens de alto desempenho, capazes de processar conjuntos de dados de imagem em grande escala com maior precisão e redução da intervenção humana.

Apesar desses avanços, arquiteturas convencionais de CNN profunda frequentemente exigem recursos computacionais substanciais, incluindo alto consumo de memória, aumento da complexidade dos parâmetros e tempo extenso^{de treinamento 5}. Essas demandas computacionais restringem sua implementação em ambientes clínicos com recursos limitados e em sistemas móveis de saúde. Além disso, arquiteturas leves de redes neurais convolucionais têm atraído cada vez mais atenção devido à sua redução da complexidade computacional e adequação para implantação em aplicações de poucos recursos⁵. Diversos estudos recentes exploraram estratégias otimizadas de CNN, mecanismos eficientes de extração de características e frameworks leves de implantação para melhorar a eficiência da classificação sem comprometer significativamente a precisão^{preditiva 6,7,8}. No entanto, equilibrar a eficiência computacional com o desempenho robusto na classificação de tumores multiclasse continua sendo um grande desafio na análise de tumores cerebrais baseada em ressonância^magnética.

Frameworks de aprendizado profundo baseados em atenção surgiram como soluções eficazes para melhorar a representação de características na análise de imagens^{médicas 10}. Mecanismos de atenção permitem que redes neurais enfatizem seletivamente regiões de imagem diagnosticamente relevantes enquanto suprimem informações de fundo irrelevantes. Inspiradas pelo sistema visual humano, as arquiteturas guiadas pela atenção melhoram a aprendizagem discriminativa de características ao direcionar o foco computacional para regiões espaciais específicas do tumor e características contextuais. Tais mecanismos são particularmente benéficos para a análise de ressonância magnética de tumores cerebrais porque os tecidos tumorais frequentemente exibem padrões de intensidade heterogêneos, morfologia irregular e características visuais sobrepostas entre categorias tumorais. Consequentemente, integrar módulos de atenção em arquiteturas baseadas em CNN pode aumentar a precisão da classificação e melhorar o desempenho da localização de características.

Diversos estudos recentes demonstraram o potencial dos frameworks DL para diagnóstico automatizado de tumores cerebrais e classificação de tumores baseada em ressonância^{magnética 11,12}. Gao et al. desenvolveram e validaram um modelo DL para diagnóstico de tumores cerebrais usando dados de ressonância magnética, demonstrando forte capacidade de classificação para análise automatizada de^{neuroimagem 11}. De forma semelhante, Abdusalomov et al. investigaram abordagens de detecção de tumores cerebrais baseadas em DL usando ressonâncias magnéticas e relataram desempenho diagnóstico^{promissor 12}. Embora esses estudos tenham alcançado maior precisão na classificação, limitações relacionadas à diversidade de conjuntos de dados, generalização de modelos e requisitos computacionais permanecem não resolvidas. Em muitos casos, os conjuntos de dados de treinamento foram limitados em tamanho ou derivados de fontes clínicas restritas, aumentando assim o risco de sobreajuste e reduzindo a robustez em populações heterogêneas de pacientes.

Para melhorar a visualização tumoral e a extração de características, técnicas de análise e reconstrução multimodal de ressonância magnética^{também foram exploradas 13,14}. Sun et al. investigaram a avaliação multimodal de glioma baseada em ressonância magnética usando um framework de reconstrução de aprendizado profundo combinado com estratégias de redução de ruído¹³. O trabalho deles demonstrou a importância do aprimoramento da qualidade de imagem para melhorar a precisão da detecção de glioma. De forma semelhante, Srinivas e Rao propuseram uma estrutura de segmentação baseada em DL para análise de sub-regiões de tumores cerebrais por ressonância magnética^{multimodal 14}. A abordagem deles melhorou a delimitação das sub-regiões tumorais e contribuiu para o planejamento individualizado do tratamento. No entanto, frameworks multimodais geralmente exigem pré-processamento extensivo, recursos computacionais aumentados e registro preciso de imagens entre modalidades de imagem, o que pode limitar sua aplicabilidade em ambientes clínicos práticos.

Métodos de fusão multimodal guiada pela atenção também foram propostos para melhorar a precisão da segmentação e a integração de características de ressonância^magnética 15,16,17,18. Zhou et al. introduziram uma estrutura de fusão baseada em mecanismos de atenção para segmentação multimodal de tumores^{cerebrais 15}. O estudo demonstrou melhora no desempenho da segmentação por meio do aprendizado de características contextuais; no entanto, a abordagem focou principalmente na segmentação, e não na classificação de tumores leves. De forma semelhante, Zhou e Du propuseram uma rede multimodal 3D para reconstrução acelerada de ressonância^{magnética 16}, enquanto Huang et al. desenvolveram o AMF-Net, uma rede adaptativa de fusão multisequência para diagnóstico multimodal de tumores^{cerebrais 17}. Zhou et al. propuseram ainda o MLMFNet para a reconstrução acelerada multimodal de ressonância^{magnética 18}. Embora esses métodos tenham melhorado a qualidade da reconstrução e a capacidade de fusão de características, eles dependiam fortemente de múltiplas modalidades de ressonância magnética, arquiteturas profundas e operações de fusão computacionalmente caras. Tais requisitos podem reduzir sua viabilidade para implantação em sistemas de saúde com recursos limitados e plataformas de diagnóstico baseadas em bordas.

Estudos adicionais investigaram estruturas de DL especificamente para classificar glioma, meningioma e tumores pituitários usando imagens de ressonância^{magnética 19}. Mokri et al. desenvolveram um sistema de classificação baseado em DL para identificar três principais tipos de tumores cerebrais usando as ressonâncias^{magnéticas 19}. Embora o estudo tenha demonstrado desempenho animador, o modelo baseou-se em conjuntos de dados relativamente pequenos e careceu de comparações com frameworks leves de aprendizagem por transferência. Arquiteturas baseadas em transformadores também atraíram recentemente atenção em imagem médica devido à sua capacidade de modelar dependências de características de longo alcance e relações^{contextuais 20}. Feng et al. propuseram uma estrutura multimodal de transformador para reconstrução acelerada de imagens^{por RM 20}. Sua abordagem melhorou o desempenho da reconstrução em comparação com os métodos convencionais; No entanto, arquiteturas transformers geralmente exigem extensos recursos computacionais e conjuntos de dados de treinamento em grande escala, o que pode limitar sua implantação prática em sistemas médicos com recursos limitados.

Arquiteturas CNN leves baseadas em aprendizado por transferência têm demonstrado considerável potencial para reduzir a complexidade computacional enquanto mantêm a precisão da classificação 21,22,23. Rahman et al. demonstraram desempenho aprimorado na classificação de tumores cerebrais usando o MobileNetV2, combinado com abordagens avançadas de pré-processamento e ajuste^{fino 21}. O MobileNetV2 é particularmente adequado para aplicações leves de imagem médica devido às suas convoluções separáveis em profundidade, menor quantidade de parâmetros e extração eficiente de características. De forma semelhante, frameworks baseados em EfficientNet demonstraram forte desempenho em classificação multiclasse por meio de estratégias de escalonamento composto que otimizam simultaneamente profundidade, largura e resolução de entrada^{da rede 22}. As arquiteturas EfficientNet alcançam maior eficiência de classificação enquanto mantêm menor sobrecarga computacional em comparação com CNNs convencionais. Além disso, as arquiteturas Inception-ResNet integram aprendizado residual com mecanismos eficientes de extração de características para melhorar o desempenho da classificação^{de imagens 23}. Tais arquiteturas híbridas permitem propagação eficaz de gradientes e aprendizado mais profundo de representação de rede, preservando a eficiência computacional.

Embora avanços significativos tenham sido alcançados na classificação de tumores cerebrais por ressonância magnética, várias limitações permanecem não resolvidas. Muitas abordagens existentes priorizam a precisão da classificação com arquiteturas computacionalmente intensivas, sem abordar adequadamente a eficiência de implantação ou as restrições computacionais. Outros estudos focam principalmente em segmentação, reconstrução multimodal ou fusão de características, em vez da classificação direta de tumores de quatro classes. Além disso, relativamente poucos frameworks integram arquiteturas leves de aprendizagem por transferência com aprendizado de características guiado pela atenção para classificação eficiente de tumores cerebrais em múltiplas classes. Portanto, ainda existe a necessidade de uma estrutura computacionalmente eficiente que equilibre precisão de classificação, implantação leve e extração discriminativa de características em ambientes clínicos com recursos limitados.

Portanto, este estudo propõe uma estrutura leve de aprendizagem por transferência guiada pela atenção para classificação de tumores cerebrais em quatro classes, utilizando imagens de ressonância magnética. A estrutura proposta integra MobileNetV2, EfficientNetV1 e Inception-ResNet-V2 com um mecanismo de atenção que enfatiza seletivamente regiões tumorais diagnosticamente relevantes, enquanto suprime características de fundo irrelevantes. O framework visa melhorar a discriminação de características e o desempenho da classificação, ao mesmo tempo em que reduz a complexidade computacional. Ao combinar espinhas dorsuais leves de aprendizado por transferência com extração de características guiadas pela atenção, a abordagem proposta visa fornecer uma solução eficiente e escalável para a classificação automatizada de tumores cerebrais baseada em ressonância magnética em ambientes clínicos de apoio à decisão com recursos limitados.

Protocolo

Este estudo utilizou um conjunto de dados anonimizado e disponível publicamente; portanto, consentimento informado não era necessário. A abordagem proposta compreende seis componentes: pré-processamento, módulo de convolução, módulo de atenção, integração de módulos de convolução e atenção, e camadas totalmente conectadas (FC). A Figura 1 ilustra o fluxo de trabalho completo do nosso método.

Aquisição de conjuntos de dados
Imagens rotuladas de ressonância magnética cerebral são obtidas a partir de um conjunto de dados Kaggle disponível publicamente, composto por quatro categorias tumorais e tecido normal.

Pré-processamento de dados
As imagens são redimensionadas para resolução uniforme e intensidade normalizada. Aumentos opcionais (rotação, inversão de volta, zoom) são aplicados para melhorar a generalização. O conjunto de dados é dividido em conjuntos de treinamento (70%) e testes (30%).

Arquitetura do modelo
Três CNNs backbone pré-treinadas no ImageNet — MobileNetV2, EfficientNetV1 e Inception-ResNet-V2 — foram usadas para classificar tumores cerebrais em quatro categorias usando imagens de ressonância magnética. MobileNetV2 e EfficientNetV1 foram configurados com uma dimensão de entrada de 224 × 224 pixels, enquanto Inception-ResNet-V2 exigia um tamanho de entrada de 299 × 299 pixels. No processo de aprendizagem por transferência, as camadas convolucionais iniciais foram congeladas no início para manter características generalizadas da imagem, enquanto as camadas superiores foram ajustadas para adaptar o modelo para a classificação de tumores cerebrais. Cada espinha dorsal foi combinada com uma cabeça de classificação leve que incluía Pooling Médio Global, camadas densas, dropout para regularização e uma função de ativação Softmax para prever quatro classes. O Dropout foi implementado para mitigar o excesso de ajuste e aumentar a generalização. A arquitetura projetada combinou efetivamente a extração eficiente de características com demandas computacionais menores, facilitando uma classificação precisa enquanto permaneceu adequada para implantação em cenários com recursos limitados e provas de conceito.

Extração de características baseada em atenção
As imagens de entrada são processadas por uma camada convolucional inicial seguida por um módulo de atenção personalizado. O agrupamento paralelo de max e o agrupamento médio capturam características salientes e contextuais, que são concatenadas e refinadas por convolução para enfatizar regiões relevantes para tumores.

Espinha dorsal convolucional e fusão
Recursos ponderados em atenção são encaminhados para backbones pré-treinados (MobileNetV2, EfficientNetV1 ou Inception-ResNet-V2). Camadas convolucionais de alto nível são logicamente fundidas para reduzir o acesso à memória e melhorar a eficiência computacional.

Classificação
As características achatadas são passadas por camadas totalmente conectadas com ativação e desistência do ReLU6, produzindo uma representação compacta para a classificação final de quatro classes softmax.

Avaliação
O desempenho do modelo é avaliado no conjunto de teste usando matrizes de precisão, precisão, recordação, pontuação F1 e confusão.

Desenvolvimento da estrutura
A solução proposta é implementada em Python e utiliza Keras para execução. A Tabela 1 ilustra os hiperparâmetros. O conjunto de dados é dividido em um conjunto de treinamento e um conjunto de teste seguindo uma proporção de 70:30. Cinco divisões arbitrárias diferentes de trens/testes são usadas para exibir o desempenho balanceado final de cada conjunto de dados.

Pré-processamento
As imagens de entrada precisam ser atualizadas porque o framework MobileNetV2 serve como base para a solução proposta. Para extrair recursos de alta resolução de fotografias, o modelo pré-treinado MobileNetV2 é usado com sua dimensão de entrada. Cada imagem de entrada é então escalada para 224×224 pixels na faixa [-1, 1].

O modelo de convolução
O MobileNetV2 aprimora o reconhecimento de imagens ao aproveitar uma arquitetura eficiente de Rede Neural Convolucional (CNN) projetada para minimizar demandas computacionais. Embora as CNN tradicionais alcancem alta precisão, elas frequentemente exigem memória e poder de processamento substanciais. O MobileNetV1 introduziu o conceito de convolução separável em profundidade, que separa a convolução padrão em duas operações distintas: convolução em profundidade para filtrar entradas e convolução pontual para integrar características. O MobileNetV2 baseia essa ideia incorporando blocos residuais de gargalo que consistem em camadas de expansão, convolução profunda, camadas de projeção e conexões residuais. A camada de projeção comprime os canais de características, enquanto conexões residuais facilitam um melhor fluxo de informações por toda a rede. Para melhorar a estabilidade e aprimorar o desempenho de aprendizagem, a ativação do ReLU6 e a normalização em lote são aplicadas após operações convolucionais.

Nesta pesquisa, o MobileNetV2, pré-treinado no ImageNet, foi usado como modelo de espinha dorsal para extrair características, fornecendo representações semânticas eficazes de alto nível, mantendo os custos computacionais baixos para a classificação de tumores cerebrais. Após cada camada de convolução, há uma camada de ativação do ReLU6, que é uma adaptação da função de ativação do ReLU, onde o tamanho é maximizado em seis, e uma camada de normalização em lote. As camadas comuns de convolução, pool médio e classificação são aplicadas a 17 dos blocos de gargalo restantes, formando a arquitetura completa do MobileNetV2. Usamos o MobileNetV2 como a rede backbone pré-treinada no ImageNet. Nesse caso, o mapa convolucional é obtido a partir do último bloco residual após passar pela camada convolucional MobileNetV2. Blocos residuais de nível inferior produzem mapas de características menores. Esses blocos não contribuem para nossa pesquisa porque não coletam dados de alto nível para a identificação geral da imagem. Durante a construção e treinamento do modelo, as camadas que precedem as camadas convolucionais que geram um mapa de características 3D 7 × 7 são mantidas fixas. Em termos matemáticos, isso é expresso da seguinte forma em Eq (1):

F₁(I) = Conv(I) (1)

Aqui, F₁(I) representa a característica convolucional extraída da imagem de entrada, I.

O módulo de foco
O mecanismo de atenção do cérebro humano, que implica que as pessoas naturalmente focam mais em entradas visuais significativas do que em cada detalhe de uma imagem, serve de base para o design dessa rede de transformação. Diversos modelos baseados em atenção foram criados em pesquisas de deep learning por causa dessa ideia. As correlações espaciais observadas nas representações de tumores cerebrais são destacadas pelo mecanismo de atenção sugerido. Enquanto o módulo de atenção do canal captura as informações mais importantes relacionadas ao tumor entre os canais de características, a unidade regional de atenção identifica as regiões mais informativas da imagem de ressonância magnética. Utilizando um método de atenção estruturada, a unidade de foco sugerida foca em áreas que contêm informações discriminativas sobre tumores.

Para melhorar a representação de características, técnicas como Top Activation Pooling e extração balanceada de características são usadas antes da fase de detecção espacial de características. Essa estratégia aprimora a capacidade do modelo de enfatizar regiões tumorais clinicamente significativas enquanto minimiza detalhes de fundo irrelevantes, melhorando assim a precisão da classificação e a eficiência do aprendizado de características. A segunda é a concatenação dos tensores com pool máximo e conjunto médio. Por fim, a função de ativação sigma, combinada com um filtro convolucional 7x7, será usada para ativar estímulos visuais dentro dos visuais. As diferentes etapas do módulo de foco são indicadas nas equações (2) e (3). onde balanceado Pool(F) ∈ RHxWx1 representa a operação média de pooling e MaxPool(F) ∈ RHxWx1 descreve a operação de pooling máximo.

F₂(I) = [AvgPool(F); MaxPool (F)] (2)

Esses dois mapas de elementos podem ser combinados em 3D para criar um mapa de elementos

F₂(I) = ∈ RHxwx1. _F3(I) = σ(f7x7(F₂(I))) (3)

onde σ é a função de ativação que indica sigma. As características de atenção, representadas por um tensor codificado em altura HxWxC (V), largura (W) e espessura (C), são representadas por F3(I), enquanto f7x7 representa a operação de convolução do tamanho do filtro (7x7).

Fusão de atenção e um modelo de convolução
Em contraste com uma rede que depende de um único codificador, uma Unidade de Fusão Multimodal poderia extrair informações muito mais eficientes e abrangentes para a grande maioria das modalidades. O bloco de fusão tem como objetivo guiar o máximo de características essenciais cruz-modais; assim, ele identificará áreas de atenção para a extração da região tumoral. Esta é uma concatenação simples de representações latentes individuais, mas algumas informações seriam perdidas. Um mapa combinado de objetos foi assim gerado combinando os mapas de características dos módulos de convolução e observação usando o método básico de concatenação de características de Sitaula et al. Esses dois mapas de características capturaram diferenças em várias propriedades da imagem, então decidimos usar um método simples de concatenação em vez de estratégias baseadas em max, min ou soma. Isso também o torna computacionalmente mais leve do que os métodos alternativos que utilizam métodos bilineares como forma de cálculo do produto tensorial. Quando tais duas características são combinadas, o resultante é chamado de tensor de características. A expressão matemática da saída tensorial agregada dos caracteres T é dada pela Equação (4).

[F₁(I), F₃(I)] = T(I) (4)

Onde F1(I) ∈ RHxWx1 e F2(I) ∈ RHxWx1280. São tensores 3D com a mesma largura (W) e altura (H). Além disso, eles podem ser concatenados na criação 3D k de tensores 3D, onde T(I) ∈ LxWx1281.

Camadas Totalmente Conectadas (FC)
Usamos uma série de camadas FC após fusão de características para converter um tensor volumétrico remodelado em um vetor linear de características. A cabeça de classificação consiste em uma camada de Pool de Média Global, camadas densas totalmente conectadas, regularização dropout e uma camada de saída Softmax. A função de ativação do ReLU6 é utilizada, com 128 unidades e probabilidade de desistência de 50%.

Resultados

Três modelos pré-treinados de aprendizado profundo, a saber, MobileNetV2, EfficientNetV1 e Inception-ResNet-V2, foram avaliados para classificação de tumores cerebrais de quatro classes usando imagens de ressonância magnética.

Conjunto de Dados Usado
O framework proposto foi avaliado usando um conjunto de dados de ressonância magnética para tumores cerebrais disponível publicamente obtido da plataforma Kaggle. O conjunto de dados consistiu ...

Discussão

A avaliação de desempenho, baseada em precisão, recordação, pontuação F1 e precisão, revela que tanto o MobileNetV2 quanto o Inception-ResNet-V2 alcançam resultados comparáveis na classificação de tumores cerebrais, cada um atingindo uma precisão agregada e média ponderada de 97–98%. Em contraste, o EfficientNet supera os outros modelos, alcançando 99% de precisão em métricas macro e médias ponderadas, graças à sua estratégia aprimorada de generalização e escalonamento composto. Esses ac...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Brain MRI Dataset	IEEE	https://dx.doi.org/10.21227/q2vt-tf46	O conjunto de dados é baixado com acesso institucional. O conjunto de dados de MRI contém quatro classes: glioma, meningioma, tumor de pituitária e cérebro normal
CNN Accelerator (Layer Fusion)	Trabalho proposto	—	Fusão lógica de camadas convolucionais superiores para reduzir o acesso à memória e melhorar a eficiência computacional
Custom Attention Module	Trabalho proposto	—	Mecanismo de atenção integrando max-pooling e average-pooling para enfatizar regiões relevantes ao tumor
EfficientNetV1	Google	Pré-treinado (ImageNet)	Arquitetura de CNN escalável que fornece um equilíbrio ótimo entre precisão e eficiência
Google Colaboratory	Google	https://colab.research.google.com/	Ambiente baseado em nuvem usado para treinamento de modelos, avaliação e experimentação com suporte de GPU
Inception-ResNet-V2	Google	Pré-treinado (ImageNet)	Arquitetura de CNN híbrida profunda combinando módulos Inception com conexões residuais
Keras	Google	v2.6.0	API de rede neural de alto nível construída sobre TensorFlow para prototipagem rápida de modelos
Matplotlib	Desenvolvedores Matplotlib	v3.4.3	Biblioteca de visualização usada para plotar curvas de treinamento, matrizes de confusão e métricas de desempenho
MobileNetV2	Google	Pré-treinado (ImageNet)	Backbone de CNN leve otimizado para implantação móvel e de borda
NumPy	Desenvolvedores NumPy	v1.21.4	Biblioteca de computação científica central usada para operações numéricas
Pandas	Equipe de desenvolvimento Pandas	v1.3.4	Biblioteca de manipulação e tratamento de dados usada para organização de conjuntos de dados e processamento de metadados
Python	Fundação de software Python	v3.8.10	Linguagem de programação primária usada para pré-processamento de dados, desenvolvimento de modelos e avaliação
Scikit-learn	Desenvolvedores Scikit-learn	Última estável	Usado para métricas de avaliação de desempenho como precisão, recall, F1-score e matrizes de confusão
Seaborn	Desenvolvedores Seaborn	Última estável	Biblioteca de visualização estatística de alto nível usada para análise gráfica aprimorada
TensorFlow	Google	v2.6.0	Framework de aprendizagem profunda end-to-end usado para implementar backbones de CNN e módulos de atenção