MobileNetV3 Modificado para Classificação de Tipos de Câncer

Este repositório contém a implementação de uma versão modificada do MobileNetV3 para a classificação de tipos de câncer a partir de imagens histopatológicas. O código é baseado no artigo disponível em MDPI.

Referência do Código

A implementação do MobileNetV3 modificado pode ser encontrada no GitHub.

Configuração do Ambiente

Para executar este projeto, você pode configurar um ambiente virtual para gerenciar as dependências. Use os seguintes comandos no bash:

# Verificar se o Python 3 está instalado
python3.10 --version

# Criar um ambiente virtual
python3.10 -m venv venv

# Ativar o ambiente virtual
source venv/bin/activate

# Instalar os pacotes necessários
pip install -r requirements.txt

Conjunto de Dados

O conjunto de dados utilizado é o BreaKHis, descrito em detalhes no documento do IEEE Xplore. O conjunto de dados pode ser baixado pelo seguinte link:

Baixar Conjunto de Dados BreaKHis

Configuração do Conjunto de Dados

Após baixar o arquivo .tar.gz pelo link fornecido, coloque-o na pasta /dataset dentro deste projeto. Este arquivo não será rastreado pelo Git devido ao seu grande tamanho. Para organizar o conjunto de dados em uma estrutura utilizável, execute o seguinte script:

python3 ./code/organizeDataset.py

Este script irá gerar os diretórios train e test sob /dataset com a seguinte configuração:

/dataset
├── train
│   ├── 100X
│   ├── 200X
│   ├── 400X
│   └── 40X
└── test
    ├── 100X
    ├── 200X
    ├── 400X
    └── 40X

Cada subdiretório contém duas categorias principais: benigno e maligno, que são subdivididos em subtipos como adenose, fibroadenoma, etc.

Executando o Modelo

Uma vez que o conjunto de dados está preparado e o ambiente configurado, você pode treinar o modelo executando:

# Passo 1: Rodar ./code/organizeDataset.py
python3.10 ./code/organizeDataset.py

# Passo 2: Rodar ./code/train.py
# Isto irá treinar com o modelo Large primeiro, depois com o Small, tamanho referente ao modelo MobileNetV3
# Isso irá treinar e salvar os modelos na pasta ./model
python3.10 ./code/train.py

# Passo 3: Rodar o ./code/test.py
# Que irá entrar no diretório ./model, e para cada arquivo .pth rodar os testes
# Os resultados gerados serão salvos na pasta ./results
python3.10 ./code/test.py

Formato dos Nomes de Arquivos de Imagens

As imagens no conjunto de dados são nomeadas de acordo com o seguinte formato:

<PROCEDIMENTO_BIÓPSIA>_<CLASSE_TUMOR>_<TIPO_TUMOR>_<ANO>-<ID_LAMINA>-<AMPLIAÇÃO>-<SEQ>.png

Onde:

• PROCEDIMENTO_BIÓPSIA: SOB (Biopsia Cirúrgica Aberta)
• CLASSE_TUMOR: B (Benigno) | M (Maligno)
• TIPO_TUMOR: A (Adenose) | F (Fibroadenoma) | PT (Tumor Filoide) | TA (Adenoma Tubular) ou DC (Carcinoma Ductal) | LC (Carcinoma Lobular) | MC (Carcinoma Mucinoso) | PC (Carcinoma Papilífero)
• ANO: DIGITO (ex.: 14 para 2014)
• ID_LAMINA: NÚMERO,SEÇÃO (ex.: 22549AB)
• AMPLIAÇÃO: 40|100|200|400
• SEQ: NÚMERO (Número de Sequência)

Exemplo de Nome de Arquivo

SOB_B_A-14-22549AB-100-001.png

• SOB: Biopsia Cirúrgica Aberta
• B: Benigno
• A: Adenose
• 14: Ano, 2014
• 22549AB: Identificação da Lâmina
• 100: Ampliação de 100x
• 001: Número de Sequência