Detecção avançada do cancro da mama utilizando aprendizagem automática e segmentação

O cancro da mama é a segunda causa principal de morte entre as mulheres muitas vezes não detectado até atingir estágios avançados. A identificação precoce é crucial pois a classificação precisa de tumores benignos e malignos pode evitar tratamentos desnecessários. Este estudo explora a aplicação de técnicas de aprendizagem automática para o diagnóstico do cancro da mama usando o Wisconsin Breast Cancer Dataset do UCI Repository. Experiências iniciais com o classificador Naïve Bayes produziram 88% de precisão para tumores benignos e 86% para tumores malignos. No entanto enfrentou limitações tais como baixa precisão e problemas com probabilidades de frequência zero. A mudança para Redes Neurais Artificiais (RNA) melhorou os resultados para 90% para classificações benignas e 92% para malignas mas ainda não produziu resultados ótimos. A investigação acabou por empregar técnicas de Máquina de Vetor de Suporte (SVM) alcançando a maior precisão de 97% para tumores benignos e 95% para tumores malignos. Este método distingue eficazmente os tipos de tumores utilizando um modelo linear baseado em hiperplanos. Todos os algoritmos foram implementados utilizando a ferramenta R que é fácil de utilizar e gratuita facilitando o manuseamento de dados para a classificação do cancro da mama.