Explorando Arquiteturas de Redes Neurais Profundas na Classificação de Imagens de Cariótipos Humanos

Abstract

A análise cromossômica, uma prática clinicamente crucial realizada tradicionalmente por geneticistas, pode ser suscetível à fadiga ao longo do tempo, afetando a qualidade dos diagnósticos. Neste artigo, exploramos a classificação automatizada de imagens de cromossomos por meio de diversas arquiteturas de redes neurais profundas. Avaliamos 23 pares de cromossomos humanos em uma tarefa multiclasse, revelando resultados promissores. Destacam-se os desempenhos superiores da arquitetura DenseNet169, alcançando uma acurácia, precisão, recall e F1-Score de 98,77%. O índice de concordância Kappa atingiu um nível ”Excelente”(0,99), enquanto um baixo desvio padrão (0,002) ressaltou a consistência das métricas, conferindo confiabilidade e previsibilidade ao modelo proposto.