Pré-processamento de Imagens e Sensibilidade ao Otimizador: Implicações para Redes Neurais Convolucionais no Diagnóstico de Tumores Cerebrais

Summary

Este estudo emprega uma estrutura controlada para avaliar pipelines de pré-processamento e otimizadores dentro de uma arquitetura fixa, com o objetivo de determinar como o pré-processamento clássico afeta otimizadores e Redes Neurais Convolucionais (CNNs) na classificação de tumores cerebrais.

Abstract

A classificação de tumores cerebrais usando ressonância magnética (RM) apresenta desafios devido a variações no tamanho, formato e textura do tumor. Embora métodos tradicionais de pré-processamento de imagens sejam comumente empregados para melhorar a qualidade da entrada, seu impacto no comportamento dos otimizadores e no desempenho da CNN ainda precisa ser investigado a fundo. Esta pesquisa examina o efeito do pré-processamento na convergência, generalização e precisão da classificação entre vários otimizadores. Utilizamos um conjunto de dados Kaggle disponível publicamente para criar dois pipelines de pré-processamento: um pipeline de linha de base que apenas redimensiona imagens e um pipeline tradicional que converte imagens em tons de cinza, as desfoca e aplica filtragem morfológica. Em seguida, testamos como esses pipelines afetam três otimizadores: Adam, Propagação Quadrática Média Raiz (RMSProp) e Descida Estocástica do Gradiente (SGD). Para separar variáveis de protocolo, uma arquitetura CNN fixa é utilizada em todo o sistema. O desempenho é avaliado usando precisão, exatião, recordação e pontuação F1, validados por meio de validação cruzada de cinco vezes. Os resultados mostram que o pré-processamento de linha de base gera consistentemente maior precisão e convergência mais estável entre todos os otimizadores, com RMSProp e SGD alcançando a maior precisão média de 99,53% sob validação cruzada cinco vezes. Os resultados abordam o efeito pouco estudado do pré-processamento no desempenho dos otimizadores, enfatizando a necessidade de estratégias de treinamento conscientes do pré-processamento para melhorar a robustez e a interpretabilidade na análise de imagens médicas.

Introduction

A classificação de tumores cerebrais usando ressonância magnética (RM) é uma tarefa crucial em neurooncologia, onde o diagnóstico precoce e preciso influencia diretamente o planejamento do tratamento e os desfechos dos^{pacientes 1}. As CNNs tornaram-se a abordagem dominante para automatizar esse processo devido à sua capacidade de aprender características espaciais e texturais hierárquicas diretamente a partir de dados brutos^{de imagem 2}. No entanto, a qualidade dos dados de entrada continua sendo um fator determinante fundamental para o desempenho do modelo. Técnicas clássicas de pré-processamento — como conversão em tons de cinza, borramento gaussiano, limiar e operações morfológicas — são rotineiramente aplicadas para reduzir o ruído e enfatizar limites ^{estruturais 3,4,5}. Gangadharan et al. realizaram uma análise comparativa de modelos de aprendizado profundo para a previsão de tumores cerebrais, destacando a variabilidade no desempenho entre arquiteturas e a importância das características do conjunto de dados na formação dos^{resultados 6}. Qureshi et al. propuseram uma CNN ultra-leve para detecção de tumores multiclasse, enfatizando a eficiência computacional e a aplicabilidade em tempo real sem comprometer a precisão^{diagnóstica 7}. Indo além da imagem estrutural, Qureshi et al. exploraram a classificação radiogenômica usando características multi-ômicas fundidas de varreduras de ressonância magnética multiparamétricas para prever o status de metilatura do promotor metilguanina-DNA metiltransferase (MGMT), demonstrando o potencial de modalidades integradas de dados para perfil tumoral^{não invasivo 8}. Apesar de sua ubiquidade, o impacto posterior dessas transformações na dinâmica de treinamento CNN, no comportamento dos otimizadores e na interpretabilidade ainda é pouco explorado.

Avanços recentes na classificação de tumores cerebrais têm se concentrado na complexidade arquitetônica, híbridos segmentação-classificação e aprendizado por transferência. O MultiFeNet, por exemplo, emprega fusão de características multiescala para melhorar a representação^{espacial 9}, enquanto modelos de conjunto e CNNs 3D oferecem alta fidelidade ao custo de um overhead computacional^{aumentado 10,11}. Estudos recentes sobre métodos híbridos, como transformação wavelet com Support Vector Machine (SVM) e detecção de bordas baseada em autômatos celulares, normalmente exigem recursos artesanais ou processamento em múltiplos^{estágios 12,13}. Pesquisas comparativas sobre conjuntos de dados desequilibrados destacaram os desafios para alcançar a generalização por classe¹⁴. Abordagens de aprendizagem por transferência usando redes pré-treinadas, como VGG e ResNet, mostraram potencial na classificação de ressonância^{magnética 15, 16, 17}; no entanto, eles frequentemente tratam o pré-processamento como uma etapa fixa a montante. Esses modelos raramente isolam como transformações de entrada afetam a convergência do otimizador ou a retenção semântica.

Estudos conscientes do pré-processamento começaram a destacar essa lacuna. Ivanescu et al. demonstraram que a filtragem excessiva pode degradar a sensibilidade da CNN a padrões tumorais^{sutis 3}. Vu et al. demonstraram que a conversão e o redimensionamento em escala de cinza podem descartar informações contextuais, afetando assim a precisão^{diagnóstica 4}. Hooper et al. revelaram que a filtragem por Tomografia Computada (CT) a montante induz variabilidade de desempenho, ressaltando a fragilidade das CNNs em relação aos deslocamentos de domínio⁵. Kundu et al. propuseram transformações de intensidade baseadas em Gaussas para melhorar a^{segmentação 18}; no entanto, eles não avaliaram a sensibilidade do otimizador. Enquanto isso, Asiri et al. e Aamir et al. otimizaram os hiperparâmetros CNN para a detecção de tumores^{cerebrais 16,17}, destacando o desempenho superior de Adam sem analisar como ele responde às mudanças de pré-processamento. Ferramentas de explicabilidade como o Gradient-weighted Class Activation Mapping (Grad-CAM) e as SHapley Additive exPlanations (SHAP) avançaram nossa compreensão da tomada de decisão CNN ao visualizar regiões discriminativas por^{classe 19,20}. Esses métodos são essenciais para validar se o pré-processamento melhora ou distorce a retenção semântica.

No entanto, poucos estudos examinaram sistematicamente como o pré-processamento afeta a convergência, generalização e interpretabilidade dos otimizadores sob uma arquitetura fixa – questões que são tanto clinicamente quanto computacionalmente significativas. Clinicamente, suavizações excessivas ou transformações de intensidade podem atenuar gradientes de textura e espaço diagnosticamente relevantes, reduzindo a fidelidade da localização e a confiança dos clínicos. Computacionalmente, otimizadores reagem de forma diferente a mudanças na escala de características e na variância do gradiente; Os descompassos entre complexidade de entrada e dinâmica do otimizador podem produzir convergência instável ou uma generalização mais ruim.

Para resolver isso, introduzimos um framework de caminho duplo que compara sistematicamente pipelines de pré-processamento de linha de base (apenas redimensionamento) e tradicionais entre três otimizadores — Adam, RMSProp e SGD — usando uma arquitetura CNN consistente e o conjunto de dados²¹ do BR35H Kaggle. Avaliamos o desempenho da classificação, a velocidade de convergência e a interpretabilidade usando o Grad-CAM, validado por meio de validação cruzada de cinco vezes. Diferentemente de trabalhos anteriores que confundem mudanças arquitetônicas e de pré-processamento, este protocolo isola o pré-processamento como uma variável independente, revelando que filtragem agressiva pode prejudicar o desempenho do otimizador e a atenção espacial.

A estrutura apresentada aqui oferece várias vantagens em relação aos modelos existentes. Primeiro, ele avalia explicitamente as interações entre estratégias de pré-processamento e otimizadores, uma dimensão frequentemente negligenciada em estudos de aprendizado em conjunto e^{transferência} 15,16,17. Segundo, mantém uma arquitetura CNN fixa, simulando assim restrições de implantação no mundo real onde a reconfiguração normalmente é^{impraticável 22}. Terceiro, integra métodos de atribuição visual para avaliar a retenção semântica, complementando trabalhos anteriores em estudos radiômicos e de características^{artesanais 23}. Por fim, a estrutura oferece insights reproduzíveis sobre estratégias de treinamento conscientes do pré-processamento, aumentando assim tanto a robustez quanto a interpretabilidade.

Ao sintetizar insights dos métodos de^{pré-processamento 3,4,5}, estudos de^{otimizadores 16,17} e ferramentas de explicabilidade^19,20, este trabalho apresenta um pipeline prático e interpretável para a classificação de tumores cerebrais que equilibra precisão, estabilidade e relevância clínica.

Protocol

A Figura 1 mostra uma visão geral do fluxo de trabalho do Protocolo. Este estudo examina o efeito do pré-processamento clássico de imagens no desempenho das CNNs e no comportamento dos otimizadores na classificação de tumores cerebrais usando ressonância magnética. O protocolo abrange preparação de conjuntos de dados, pipelines de pré-processamento de caminho duplo, arquitetura de modelos, configuração do otimizador, avaliação de desempenho e validação de interpretabilidade. Todos os experimentos foram executados em Python 3.10.12 usando Keras versão 2.13.1 com backend TensorFlow, OpenCV versão 4.8.0 e Matplotlib versão 3.8.0.

Preparação de conjuntos de dados
O conjunto de dados BR35H de ressonância magnética de tumores cerebrais do Kaggle²¹, composto por 3.000 imagens igualmente divididas em classes de presente de tumor ("sim") e ausente de tumor ("não"), foi utilizado neste estudo. Todas as imagens foram redimensionadas para 128 × 128 pixels usando a função cv2.resize do OpenCV para padronizar as dimensões de entrada entre experimentos. A amostragem estratificada com a train_test_split do Scikit-learn garantiu representação equilibrada entre o conjunto de treinamento (80%) e o conjunto de validação (20%), mantendo assim consistência na distribuição das classes em cada dobra.

Além do conjunto de dados público BR35H, validamos esse protocolo usando um conjunto independente coletado do Ultralytics Brain Tumor Dataset (https://docs.ultralytics.com/datasets/detect/brain-tumor/). Este conjunto de dados consiste em um conjunto de treinamento válido de 878 imagens e um conjunto de teste de 223 imagens, com duas classes claramente definidas: Negativa (imagens sem tumores cerebrais) e Positiva (imagens com tumores cerebrais). A inclusão desse conjunto de dados independente nos permitiu avaliar ainda mais a generalização e robustez do framework além dos dados originais.

Pipelines de pré-processamento
Dois pipelines distintos de pré-processamento foram implementados para avaliar o impacto do pré-processamento clássico de imagens. O pipeline de Pré-processamento de Linha de Base (BP) simplesmente redimensionava as imagens para 128 × 128 pixels sem transformações adicionais, preservando assim a intensidade bruta dos pixels e as características estruturais como condição de controle. O pipeline de Pré-processamento Tradicional (TP) aplicou uma sequência de etapas clássicas de processamento de imagens usando funções OpenCV: conversão em tons de cinza (cv2.cvtColor) para reduzir a dimensionalidade do canal, desfoque Gaussiano (cv2. GaussianBlur) para suprimir ruído e aumentar o^{contraste 24}, limiar (cv2.threshold) para segmentar estruturas de alta^{intensidade 25}, operações morfológicas (cv2.erode, cv2.dilatar) para refinar bordas e reduzir artefatos26, e detecção de contorno (cv2.findContours) para identificar regiões de interesse. Esse pipeline aumentou o contraste e reduziu a confusão visual, embora corresse o risco de suprimir texturas diagnosticamente relevantes.

Arquitetura do modelo
Uma CNN personalizada foi implementada e mantida constante em todos os experimentos para isolar os efeitos do pré-processamento e da escolha do otimizador. A arquitetura consistia em uma camada de entrada (128 × 128 × 1), três camadas convolucionais (a primeira com 32 filtros e as duas seguintes com 64 filtros, todas usando 2 × 2 kernels e ativação da Unidade Linear Retificada (ReLU), cada uma seguida por 2 × 2 pooling máximo. A saída era achatada e passada por uma camada densa de 128 unidades com ativação ReLU, seguida por uma camada de dropout (taxa = 0,5) e, finalmente, uma única unidade sigmoide para classificação binária. Esse design busca um equilíbrio entre interpretabilidade e eficiência computacional, tornando-o adequado para hardware clínico com recursos limitados.

Configuração do otimizador
Três otimizadores foram avaliados com hiperparâmetros fixos: Adam (taxa de aprendizado = 0,001, β₁ = 0,9, β₂ = 0,999, épsilon = 1e−07), RMSProp (taxa de aprendizado = 0,001, rho = 0,9, épsilon = 1e−07) e SGD (taxa de aprendizado = 0,005, momento = 0,9, Nesterov desativado). Os parâmetros de treinamento foram mantidos constantes entre os experimentos, com um lote de 32.50 épocas e parada precoce (paciência = 10) implementada via callbacks Keras para evitar superajuste.

Avaliação de desempenho
O desempenho foi avaliado usando precisão, precisão, recordação e pontuação F1, calculados com a classification_report do Scikit-learn. Curvas de perda de treinamento e validação foram plotadas com Matplotlib para avaliar a velocidade de convergência e detectar sobreajuste. Os resultados foram tabulados e visualizados para comparar a sensibilidade do otimizador sob diferentes condições de pré-processamento.

Validação da interpretabilidade
A interpretabilidade foi validada usando visualizações Grad-CAM geradas a partir da camada convolucional final. Mapas de calor foram gerados usando funções Keras e TensorFlow e depois sobrepostos às imagens originais de ressonância magnética usando Matplotlib. Essa medida garantiu que a atenção espacial da CNN estivesse alinhada com regiões tumorais clinicamente relevantes, apoiando assim a transparência e a confiança diagnóstica.

Results

Otimizador Adam - Pré-processamento de linha base:
A Figura 2 ilustra o desempenho de um modelo de classificação de tumores cerebrais usando o otimizador Adam com pré-processamento de linha de base. A matriz de confusão mostra uma separação quase perfeita entre casos tumorosos e não tumorais, com apenas 8 classificações erradas entre 600 amostras. O relatório de classificação que acompanha confirma isso com precisão, recordação e pontuaç...

Discussion

O sucesso da classificação de tumores cerebrais baseada em CNN neste estudo foi impulsionado principalmente por dois componentes do protocolo: o projeto do pré-processamento e a seleção do otimizador. O pré-processamento de linha de base — consistindo apenas no redimensionamento da imagem — preservou a intensidade nativa dos pixels e a estrutura espacial, permitindo que o modelo aprendesse características clinicamente relevantes. Em contraste, métodos tradicionais de pré-processamento (c...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
API Wrapper	Keras	2.13.1(RRID:SCR_016345)	API de alto nível para arquitetura CNN e treinamento
Ferramenta de Atribuição	Implementação do Grad-CAM	Personalizado (via Keras)	Explicação visual da atenção da CNN
Conjunto de dados de ressonância magnética de tumores cerebrais BR35H	Kaggle	https://www.kaggle.com/ahmedhamada0/brain-tumor-detection	Fonte das imagens de ressonância magnética rotuladas para classificação
Conjunto de Dados de Tumores Cerebrais	Ultralíticos	https://docs.ultralytics.com/datasets/detect/brain-tumor/
Biblioteca de Aprendizado Profundo	TensorFlow	2.15.0 (RRID:SCR_018345)	Backend para implementação do modelo CNN
Processamento de Imagem	OpenCV	4.8.0 (RRID:SCR_015526)	Pré-processamento: escala de cinza, desfoque, limiar, morfologia
Linguagem de Programação	Python	3.10.12 (RRID:SCR_008394)	Ambiente de execução para todos os experimentos
Visualização	Matplotlib	3.8.0 (RRID:SCR_008624)	Plotando curvas de perda e sobreposições Grad-CAM