Estudos mostram que a maior parte dos erros de diagnóstico mamográfico estão ligados a dificuldades de classificação e não de detecção (MEYER, EBERLEIN, et al., 1990; KARSSEMEIJER, 2011; SCHIABEL, 2014). Uma possível solução a este problema é a estruturação de um esquema CADx (Computer-aided Diagnosis), ou seja, um sistema computacional que analisa as informações disponíveis e tenta apresentar um diagnóstico com base nos dados fornecidos pela imagem processada. Este trabalho tem como intuito apresentar um esquema CADe/Dx completo e funcional para uso por radiologistas. O software final poderá ser usado em qualquer sistema operacional, ou mesmo via Internet, permitindo que qualquer médico interessado acesse e utilize o sistema como segunda opinião sem restrições. A formação da biblioteca JAVA também visa a permitir que outros desenvolvedores possam fazer uso das ferramentas desenvolvidas em projetos futuros, facilitando ampliações e melhorias no esquema CADx. Vários módulos de processamento previamente desenvolvidos para o protótipo do esquema CADx-LAPIMO tiveram que ser reconstruídos, e outros elaborados completamente, produzindo novos resultados que são analisados neste trabalho, assim como suas vantagens e limitações. Estes módulos estão divididos em duas partes: o pré-processamento, que inclui a correção baseada na curva característica do digitalizador (técnica BCC), amplamente testada neste trabalho, e o processamento propriamente, incluindo detecção de microcalcificações e detecção e classificação de nódulos. O programa CADx desenvolvido neste trabalho foi separado em duas versões (cada uma com uma versão online correspondente): um é o esquema CADe/Dx que envolve tanto a detecção como a classificação da estrutura encontrada e o outro é um esquema CADx semiautomático, cujas regiões que devem ser classificadas são previamente demarcadas pelo usuário. Os principais resultados obtidos neste trabalho estão associados ao detector de microcalcificações e ao classificador de nódulos. Para o detector de microcalcificações atingiu-se 89% de sensibilidade com 1,4 falso-positivo por imagem quando usado em imagens digitais de sistemas FFDM e 99% de sensibilidade com 5,4 falsos-positivos quando usado em imagens digitalizadas de mamas densas . Já o classificador de nódulos apresentou 72% de acurácia, usando apenas 4 atributos associados a contorno, densidade e textura, resultando em um sistema robusto e de fácil treinamento. / Studies show that most diagnostic errors are linked to classification difficulties and not detection (MEYER, EBERLEIN, et al., 1990; KARSSEMEIJER, 2011; SCHIABEL, 2014). A possible solution for this problem is the construction of a CAD (Computer aided Diagnosis), a computational system that analyses the available information e tries to present a diagnosis based on the data offered by the processed image. This thesis presents a complete and functional mammographic CADe/Dx scheme for radiologist use. The software is designed to function in any operational system, or even online, allowing any interested radiologist to access the software as a second opinion. The formation of a JAVA library also allows any future developers can use all tools developed for this system, easing future improvements in the CADx scheme. Several modules of the scheme previously developed for the CADx-LAPIMO prototype had to be rebuilt or completely developed, generating new results that are analyzed in here, as are their advantages and limitations. Those modules are divided in two parts, the preprocessing, that includes the scanner\'s characteristic curve based correction, detailed tested in this thesis and the processing itself, including detection of microcalcifications, and detections and classification of masses. The CADx scheme developed here was separated in two versions (each one with a corresponding online version): one is a CADe/Dx scheme that involves both detection and classification of the found structures and the other is a CADx semi-automatic scheme, where the classified regions are previously marked by the user. The main results obtained in this thesis are associated with the microcalcifications detector and the mass classification. The microcalcifications detector obtained a 89% sensibility with 1,4 false-positives per image when used in digital FFDM systems and 99% sensibility with 5,4 false-positives per image in digitalized images of dense breasts. The mass classification module presented a 72% accuracy, using only 4 attributes associated to contour, density and texture, resulting in a robust system and of easy training.

Estudos mostram que a maior parte dos erros de diagnóstico mamográfico estão ligados a dificuldades de classificação e não de detecção (MEYER, EBERLEIN, et al., 1990; KARSSEMEIJER, 2011; SCHIABEL, 2014). Uma possível solução a este problema é a estruturação de um esquema CADx (Computer-aided Diagnosis), ou seja, um sistema computacional que analisa as informações disponíveis e tenta apresentar um diagnóstico com base nos dados fornecidos pela imagem processada. Este trabalho tem como intuito apresentar um esquema CADe/Dx completo e funcional para uso por radiologistas. O software final poderá ser usado em qualquer sistema operacional, ou mesmo via Internet, permitindo que qualquer médico interessado acesse e utilize o sistema como segunda opinião sem restrições. A formação da biblioteca JAVA também visa a permitir que outros desenvolvedores possam fazer uso das ferramentas desenvolvidas em projetos futuros, facilitando ampliações e melhorias no esquema CADx. Vários módulos de processamento previamente desenvolvidos para o protótipo do esquema CADx-LAPIMO tiveram que ser reconstruídos, e outros elaborados completamente, produzindo novos resultados que são analisados neste trabalho, assim como suas vantagens e limitações. Estes módulos estão divididos em duas partes: o pré-processamento, que inclui a correção baseada na curva característica do digitalizador (técnica BCC), amplamente testada neste trabalho, e o processamento propriamente, incluindo detecção de microcalcificações e detecção e classificação de nódulos. O programa CADx desenvolvido neste trabalho foi separado em duas versões (cada uma com uma versão online correspondente): um é o esquema CADe/Dx que envolve tanto a detecção como a classificação da estrutura encontrada e o outro é um esquema CADx semiautomático, cujas regiões que devem ser classificadas são previamente demarcadas pelo usuário. Os principais resultados obtidos neste trabalho estão associados ao detector de microcalcificações e ao classificador de nódulos. Para o detector de microcalcificações atingiu-se 89% de sensibilidade com 1,4 falso-positivo por imagem quando usado em imagens digitais de sistemas FFDM e 99% de sensibilidade com 5,4 falsos-positivos quando usado em imagens digitalizadas de mamas densas . Já o classificador de nódulos apresentou 72% de acurácia, usando apenas 4 atributos associados a contorno, densidade e textura, resultando em um sistema robusto e de fácil treinamento. / Studies show that most diagnostic errors are linked to classification difficulties and not detection (MEYER, EBERLEIN, et al., 1990; KARSSEMEIJER, 2011; SCHIABEL, 2014). A possible solution for this problem is the construction of a CAD (Computer aided Diagnosis), a computational system that analyses the available information e tries to present a diagnosis based on the data offered by the processed image. This thesis presents a complete and functional mammographic CADe/Dx scheme for radiologist use. The software is designed to function in any operational system, or even online, allowing any interested radiologist to access the software as a second opinion. The formation of a JAVA library also allows any future developers can use all tools developed for this system, easing future improvements in the CADx scheme. Several modules of the scheme previously developed for the CADx-LAPIMO prototype had to be rebuilt or completely developed, generating new results that are analyzed in here, as are their advantages and limitations. Those modules are divided in two parts, the preprocessing, that includes the scanner\'s characteristic curve based correction, detailed tested in this thesis and the processing itself, including detection of microcalcifications, and detections and classification of masses. The CADx scheme developed here was separated in two versions (each one with a corresponding online version): one is a CADe/Dx scheme that involves both detection and classification of the found structures and the other is a CADx semi-automatic scheme, where the classified regions are previously marked by the user. The main results obtained in this thesis are associated with the microcalcifications detector and the mass classification. The microcalcifications detector obtained a 89% sensibility with 1,4 false-positives per image when used in digital FFDM systems and 99% sensibility with 5,4 false-positives per image in digitalized images of dense breasts. The mass classification module presented a 72% accuracy, using only 4 attributes associated to contour, density and texture, resulting in a robust system and of easy training.

Le diagnostic assisté par ordinateur du cancer du sein devient de plus en plus une nécessité vu la croissance exponentielle du nombre de mammographies effectuées chaque année. En particulier, le diagnostic des masses mammaires et leur classification suscitent actuellement un grand intérêt. En effet, la complexité des formes traitées et la difficulté rencontrée afin de les discerner nécessitent l'usage de descripteurs appropriés. Dans ce travail, des méthodes de caractérisation adaptées aux pathologies mammaires sont proposées ainsi que l'étude de différentes méthodes de classification est abordée. Afin de pouvoir analyser les formes des masses, une étude concernant les différentes techniques de segmentation est réalisée. Cette étude nous a permis de nous orienter vers le modèle du level set basé sur la minimisation de l'énergie de la région évolutive. Une fois les images sont segmentées, une étude des différents descripteurs proposés dans la littérature est menée. Cependant, ces propositions présentent certaines limites telles que la sensibilité au bruit, la non invariance aux transformations géométriques et la description générale et imprécise des lésions. Dans ce contexte, nous proposons un nouveau descripteur intitulé les points terminaux du squelette (SEP) afin de caractériser les spiculations du contour des masses tout en respectant l'invariance à l'échelle. Un deuxième descripteur nommé la sélection des protubérances (PS) est proposé. Il assure de même le critère d'invariance et la description précise de la rugosité du contour. Toutefois, le SEP et le PS sont sensibles au bruit. Une troisième proposition intitulée le descripteur des masses spiculées (SMD) assurant une bonne robustesse au bruit est alors réalisée. Dans l'objectif de comparer différents descripteurs, une étude comparative entre différents classifieurs est effectuée. Les séparateurs à vaste marge (SVM) fournissent pour tous les descripteurs considérés le meilleur résultat de classification. Finalement, les descripteurs proposés ainsi que d'autres couramment utilisés dans le domaine du cancer du sein sont comparés afin de tester leur capacité à caractériser convenablement le contour des masses en question. La performance des trois descripteurs proposés et notamment le SMD est mise en évidence à travers les comparaisons effectuées. / The computer-aided diagnosis of breast cancer is becoming increasingly a necessity given the exponential growth of performed mammograms. In particular, the breast mass diagnosis and classification arouse nowadays a great interest. Indeed, the complexity of processed forms and the difficulty to distinguish between them require the use of appropriate descriptors. In this work, characterization methods suitable for breast pathologies are proposed and the study of different classification methods is addressed. In order to analyze the mass shapes, a study about the different segmentation techniques in the context of breast mass detection is achieved. This study allows to adopt the level set model based on minimization of region-scalable fitting energy. Once the images are segmented, a study of various descriptors proposed inthe literature is conducted. Nevertheless, these proposals have some limitations such as sensitivity to noise, non invariance to geometric transformations and imprecise and general description of lesions. In this context, we propose a novel descriptor entitled the Skeleton End Points descriptor (SEP) in order to better characterize spiculations in mass contour while respecting the scale invariance. A second descriptor named the Protuberance Selection (PS) is proposed. It ensures also the same invariance criterion and the accurate description of the contour roughness. However, SEP and PS proposals are sensitive to noise. A third proposal entitled Spiculated Mass Descriptor (SMD) which has good robustness to noise is then carried out. In order to compare different descriptors, a comparative study between different classifiers is performed. The Support Vector Machine (SVM) provides for all considered descriptors the best classification result. Finally, the proposed descriptors and others commonly used in the breast cancer field are compared to test their ability to characterize the considered mass contours.

Dada a dificuldade de avaliação das imagens mamográficas no rastreamento do câncer de mama e a necessidade de precisão diagnóstica, tornou-se estimulante a luta pelo desenvolvimento de ferramentas computacionais que auxiliam esse processo, denominadas de esquemas de Computer-aided detection/diagnosis (CADe/CADx). Apresenta-se como um desafio para a comunidade científica a padronização dos critérios de avaliação destes esquemas a partir de bancos de imagens amplos e diversificados que representem casos tanto de benignidade quanto os de malignidade. Considerando este aspecto, o presente trabalho consiste no desenvolvimento de um objeto simulador (phantom) de mama capaz de gerar diversos padrões de imagens obtidos pela variação aleatória de tamanho, forma, contraste e distribuição de lesões. Para garantir imagens mais realistas, o phantom foi confeccionado em camadas compostas por filme de PVC submerso em parafina gel em uma distribuição não uniforme. Essa distribuição permite simular regiões heterogeneamente densas, de acordo com a concentração do material. A estimativa da densidade percentual da mama simulada foi obtida com a ajuda do software LIBRA®, para gerar imagens nas quatro categorias de classificação de densidades BI-RADS®. Os nódulos foram simulados usando dois modelos tridimensionais impressos em 3D, um para lesões circunscritas e outro para espiculadas. Para as microcalcificações, foi utilizada a hidroxiapatita granulada distribuída em quatro clusters que representam casos comumente encontrados em mamas reais. Alternativamente, uma ferramenta computacional foi desenvolvida para a inserção das lesões nas imagens, de acordo com a localização e intensidade escolhidas. As características do phantom foram estudadas comparando os coeficientes de atenuação dos materiais utilizados e dos tecidos mamários. Também textura e ruído das imagens do phantom foram comparados em relação aos das imagens clínicas. A partir da base de imagens formada, um protótipo de esquema CADx foi avaliado. Os resultados foram analisados estatisticamente a partir de curvas ROC e comparados com os obtidos nos testes realizados com imagens clínicas. Concluiu-se que o phantom desenvolvido neste trabalho permitiu gerar um padrão de imagem próximo ao obtido em mamografias reais e apropriado ao suprimento da base de imagens para validação dos sistemas CADx. / The need for diagnostic accuracy in breast cancer screening has motivated the use of computational schemes known as computer-aided detection/diagnosis (CAD/CADx). However, standardization of the evaluation criteria regarding these schemes is still a challenge, since they depend on the access to large and diversified image databases representing both benign and malignant cases. With this feature in view, this work aimed at the development of a structured breast phantom able to generate many images patterns achieved not only by the variation of size, shape, contrast but also by mainly the distribution of simulated lesions. To guarantee the realism of the images, the phantom was made in layers composed by PVC film submerged in paraffin gel with a non-uniform distribution. Such distribution allowed simulating more or less dense regions, according to the material concentration. The percent density estimative of the simulated breast was determined with the LIBRA® software, resulting in the four categories of BIRADS® density classification. Nodules were simulated using two 3D printed models, one for circumscribed and another for spiculated lesions. For simulating microcalcifications, granulated hydroxyapatite was used distributed in four clusters. Alternatively, a computational tool was developed for the insertion of lesions into the images, according to the location and intensity chosen. Phantom characteristics were studied comparing attenuation coefficients of the materials used and breast tissues. The texture and noise of the phantom images were also compared in relation to the clinical ones. From the image database created, a CADx system was evaluated considering its modules of nodule classification and detection of microcalcifications. The results were analyzed statistically from ROC curves and compared with those usually obtained in clinical imaging tests. We concluded that the phantom developed in this work allowed to generate an image pattern similar to that obtained in real mammograms and suitable for supplying an image database to be used as a ground truth for CAD and CADx schemes validation/evaluation.

Dada a dificuldade de avaliação das imagens mamográficas no rastreamento do câncer de mama e a necessidade de precisão diagnóstica, tornou-se estimulante a luta pelo desenvolvimento de ferramentas computacionais que auxiliam esse processo, denominadas de esquemas de Computer-aided detection/diagnosis (CADe/CADx). Apresenta-se como um desafio para a comunidade científica a padronização dos critérios de avaliação destes esquemas a partir de bancos de imagens amplos e diversificados que representem casos tanto de benignidade quanto os de malignidade. Considerando este aspecto, o presente trabalho consiste no desenvolvimento de um objeto simulador (phantom) de mama capaz de gerar diversos padrões de imagens obtidos pela variação aleatória de tamanho, forma, contraste e distribuição de lesões. Para garantir imagens mais realistas, o phantom foi confeccionado em camadas compostas por filme de PVC submerso em parafina gel em uma distribuição não uniforme. Essa distribuição permite simular regiões heterogeneamente densas, de acordo com a concentração do material. A estimativa da densidade percentual da mama simulada foi obtida com a ajuda do software LIBRA®, para gerar imagens nas quatro categorias de classificação de densidades BI-RADS®. Os nódulos foram simulados usando dois modelos tridimensionais impressos em 3D, um para lesões circunscritas e outro para espiculadas. Para as microcalcificações, foi utilizada a hidroxiapatita granulada distribuída em quatro clusters que representam casos comumente encontrados em mamas reais. Alternativamente, uma ferramenta computacional foi desenvolvida para a inserção das lesões nas imagens, de acordo com a localização e intensidade escolhidas. As características do phantom foram estudadas comparando os coeficientes de atenuação dos materiais utilizados e dos tecidos mamários. Também textura e ruído das imagens do phantom foram comparados em relação aos das imagens clínicas. A partir da base de imagens formada, um protótipo de esquema CADx foi avaliado. Os resultados foram analisados estatisticamente a partir de curvas ROC e comparados com os obtidos nos testes realizados com imagens clínicas. Concluiu-se que o phantom desenvolvido neste trabalho permitiu gerar um padrão de imagem próximo ao obtido em mamografias reais e apropriado ao suprimento da base de imagens para validação dos sistemas CADx. / The need for diagnostic accuracy in breast cancer screening has motivated the use of computational schemes known as computer-aided detection/diagnosis (CAD/CADx). However, standardization of the evaluation criteria regarding these schemes is still a challenge, since they depend on the access to large and diversified image databases representing both benign and malignant cases. With this feature in view, this work aimed at the development of a structured breast phantom able to generate many images patterns achieved not only by the variation of size, shape, contrast but also by mainly the distribution of simulated lesions. To guarantee the realism of the images, the phantom was made in layers composed by PVC film submerged in paraffin gel with a non-uniform distribution. Such distribution allowed simulating more or less dense regions, according to the material concentration. The percent density estimative of the simulated breast was determined with the LIBRA® software, resulting in the four categories of BIRADS® density classification. Nodules were simulated using two 3D printed models, one for circumscribed and another for spiculated lesions. For simulating microcalcifications, granulated hydroxyapatite was used distributed in four clusters. Alternatively, a computational tool was developed for the insertion of lesions into the images, according to the location and intensity chosen. Phantom characteristics were studied comparing attenuation coefficients of the materials used and breast tissues. The texture and noise of the phantom images were also compared in relation to the clinical ones. From the image database created, a CADx system was evaluated considering its modules of nodule classification and detection of microcalcifications. The results were analyzed statistically from ROC curves and compared with those usually obtained in clinical imaging tests. We concluded that the phantom developed in this work allowed to generate an image pattern similar to that obtained in real mammograms and suitable for supplying an image database to be used as a ground truth for CAD and CADx schemes validation/evaluation.

Bakgrund: Artificiell Intelligens (AI) kommer in i vårt samhälle och våra hem i allt större utsträckning. Inom sjukvården och radiologin kan AI utgöra ett hjälpmedel för både radiologer och röntgensjuksköterskor i deras profession. Forskning om AI fortsätter med oförminskad kraft för att finna allt bättre och mer funktionsdugliga algoritmer som kan anta den utmaningen. Syfte: Syftet med denna litteraturstudie är att sammanställa vid vilka modaliteter AI används som stöd. Metod: Studien utfördes som en allmän litteraturstudie vilket genererade femton artiklar som kvalitetsgranskades och kategoriserades efter analys. Resultat: Beroende på tidpunkt när artiklarna var skrivna varierade metoderna hur träning av AI genomfördes. Det varierade även hur bilderna skulle förbearbetats inför träning. Bilderna måste genomgå brusreducering och segmentering för att AI ska kunna klassificera den sjukliga förändringen. Den processen underlättades i senare versioner av AI där alla dessa moment utfördes på en och samma gång. Slutsats: Stora förändringar kommer att ske inom radiologin och förändringarna kommer sannolikt att påverka alla på en röntgenavdelning. Författarna kan se att utvecklingen bara börjat och forskningen måste fortgå många år framöver. / Background: Artificial Intelligence (AI) increasingly comes in to our society and homes. In the field of medical care and radiology, AI will provide an aid for radiologists and radiographers in their professions. Research on AI continues in finding better and more functional algorithms which can achieve that. Purpose: The purpose of this literature study is to compile facts about modalities using artificial intelligence as support. Method: The study was conducted as a general literature study, which generated fifteen articles that were quality-reviewed and categorized after analysis. Result: Depending on the date when the articles were written the methods varied concerning how training of AI was performed. It also varied how the images were pre-processed before training. The images need to be processed by noise reduction and segmentation for AI in order to be able to classify the pathological change. That process was facilitated in later versions of AI where all these steps were performed at the same time. Conclusion: Major changes may occur in radiology and the changes are likely to affect everyone in an X-ray ward. The authors can see that the development has just begun and research has to continue for many years to come.

Made available in DSpace on 2016-08-17T14:53:20Z (GMT). No. of bitstreams: 1 dissertacao Leonardo.pdf: 864322 bytes, checksum: 557c6817aff39c2f398ebe22a59ad5c6 (MD5) Previous issue date: 2012-04-20 / FUNDAÇÃO DE AMPARO À PESQUISA E AO DESENVOLVIMENTO CIENTIFICO E TECNOLÓGICO DO MARANHÃO / Lung cancer is still the leading cause of cancer mortality worldwide, with one of the lowest survival rates after diagnosis. Therefore, early detection is important to increase the chances of curing the patient. The diagnosis is more accurate if the specialist has more information. In view of the above, this work presents a methodology for characterization about the malignancy or benignity of pulmonary nodules, acting as a second opinion for the expert. The methodology was applied in two different databases, one with 73 nodes, 26 malignant and 47 benign, and other with 1034 nodes and 517 malignant and 517 benign. The Diversity Indices of Shannon and Simpson were used as texture descriptors. The features generated were then subjected to the step of feature selection using the stepwise Discriminant Analysis. After this stage, they were classified by the Support Vector Machine (SVM) where we obtained sensitivity of 85.64%, specificity of 97.89% and accuracy of 92.78%. / O câncer de pulmão é ainda a maior causa de mortalidade por câncer em todo mundo, com uma das menores taxas de sobrevida a partir do diagnóstico. Por isso, sua detecção precoce é importante para aumentar a chances de cura do paciente, e de quanto mais informações o médico dispuser, mais preciso será o diagnóstico. Diante do exposto, o presente trabalho apresenta uma metodologia de caracterização de nódulos pulmonares, objetivando se tornar uma ferramenta computacional utilizada para sugerir sobre a malignidade ou benignidade dos mesmos, atuando como uma segunda opinião junto ao especialista. A metodologia foi aplicada em duas bases de dados diferentes, uma com 73 nódulos, sendo 26 malignos e 47 benignos, e outra com 1034 nódulos sendo 517 malignos e 517 benignos. Os Índices de Diversidade de Shannon e de Simpson foram utilizados como descritores de textura. As características geradas foram submetidas à etapa de seleção de características com a utilização da Análise Discriminante stepwise. Após essa etapa foi realizada a classificação pela Máquina de Vetores de Suporte (MVS) onde foram obtidas taxas de sensibilidade de 85,64%, especificidade de 97,89% e acurácia de 92,78%.

Orientador: Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Programa de Pós-Graduação em Engenharia da Informação, 2012

Breast cancer is the second fatal disease among cancers both in Canada and across the globe. However, in the case of early detection, it can raise the survival rate. Thus, researchers and scientists have been practicing to develop Computer-Aided Diagnosis (CAD)x systems. Traditional CAD systems depend on manual feature extraction, which has provided radiologists with poor detection and diagnosis tools. However, recently the application of Convolutional Neural Networks (CNN)s as one of the most impressive deep learning-based methods and one of its interesting techniques, Transfer Learning, has revolutionized the performance and development of these systems. In medical diagnosis, one issue is distinguishing between breast mass lesions and calcifications (little deposits of calcium). This work offers a solution using transfer learning and ensemble learning (majority voting) at the first stage and later replacing the voting strategy with soft voting. Also, regardless of the abnormality's type (mass or calcification), the severeness of the abnormality plays a key role. Nevertheless, in this study, we went further and made an effort to create a (CAD)x pathology diagnosis system. More specifically, after comparing multi-classification results with a two-staged abnormality diagnosis system, we propose the two-staged binary classifier as our final model. Thus, we offer a novel breast cancer diagnosis system using a wide range of pre-trained models in this study. To the best of our knowledge, we are the first who integrate the application of a wide range of state-of-the-art pre-trained models, particularly including EfficientNet for the transfer learning part, and subsequently, employ ensemble learning. With the application of pre-trained CNN-based models or transfer learning, we are able to overcome the lack of large-size datasets. Moreover, with the EfficientNet family offering better results with fewer parameters, we achieved promising results in terms of accuracy and AUC-score, and later ensemble learning was applied to provide robustness for the network. After performing 10-fold cross-validation, our experiments yielded promising results; while constructing the breast abnormality classifier 0.96 ± 0.03 and 0.96 for accuracy and AUC-score, respectively. Similarly, it resulted in 0.85 ± 0.08 for accuracy and 0.81 for AUC-score when constructing pathology diagnosis.