Otimização dos Transformadores de Visão para Histopatologia: Pré-treinamento e Normalização na Classificação do Câncer de Mama

Este artigo apresenta um modelo Vision Transformer de autoatenção desenvolvido especificamente para classificar câncer de mama em imagens histológicas. Examinamos várias estratégias e configurações de treinamento, incluindo pré-treinamento, redimensionamento de dimensão, aumento de dados e estratégias de normalização de cor, sobreposição de patches e configurações de tamanho de patch, a fim de avaliar seu impacto na eficácia da classificação de imagens histológicas. Além disso, fornecemos evidências do aumento da eficácia obtido por meio de técnicas geométricas e de aumento de dados coloridos. Utilizamos principalmente o conjunto de dados BACH para treinar e validar nossos métodos e modelos, mas também os testamos em dois conjuntos de dados adicionais, BRACS e AIDPATH, para verificar suas capacidades de generalização. Nosso modelo, desenvolvido a partir de um transformer pré-treinado no ImageNet, alcança uma taxa de precisão de 0,91 no conjunto BACH, 0,74 no BRACS e 0,92 no AIDPATH. Usando um modelo baseado nos modelos HistoEncoder prostate small e prostate medium, atingimos taxas de precisão de 0,89 e 0,86, respectivamente. Nossos resultados sugerem que o pré-treinamento em conjuntos de dados gerais de grande escala como o ImageNet é vantajoso. Também mostramos os potenciais benefícios do uso de conjuntos de dados de pré-treinamento específicos do domínio, como extensas coleções de imagens histopatológicas no HistoEncoder, embora ainda sem vantagens claras.