Las decisiones de diagnóstico del cáncer de mama a partir de datos de múltiples fuentes

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• En el campo de la oncología

Sus antecedentes:

• La diferenciación precisa de los nódulos mamarios benignos y malignos es crucial para el tratamiento del paciente.
• Los nódulos de la categoría 4 del Sistema de Información y Datos de Imágenes Mamarias por Ultrasonido (BI-RADS) requieren una investigación adicional.
• Los datos de diagnóstico de múltiples fuentes presentan desafíos en la clasificación.

Objetivo del estudio:

• Evaluar la eficacia de las máquinas vectoriales de apoyo (SVM) para clasificar los nódulos mamarios de la categoría 4 de BI-RADS.
• Evaluar la integración de la SVM con el análisis de componentes principales (PCA) en la obtención de imágenes mamarias de múltiples fuentes.
• Para determinar la precisión del diagnóstico de este enfoque combinado.

Principales métodos:

• Un estudio experimental que utiliza los nódulos mamarios de la categoría 4 de BI-RADS.
• Análisis de ultrasonido convencional, S-Detect y datos de software casi inteligente.
• Aplicación del PCA para la extracción de características e integración con el SVM para la clasificación.

Principales resultados:

• El análisis de componentes principales (PCA) redujo los parámetros de 12 dimensiones a dos componentes principales.
• El modelo SVM-PCA logró una alta tasa de precisión diagnóstica del 94,5%.
• Confiabilidad demostrada en el diagnóstico de cáncer de mama de múltiples fuentes.

Conclusiones:

• El SVM integrado con PCA es una herramienta valiosa para la toma de decisiones de diagnóstico en la obtención de imágenes mamarias de múltiples fuentes.
• Este método ofrece un enfoque sólido para distinguir los nódulos mamarios BI-RADS de categoría 4 benignos de malignos.
• Destaca el potencial de la IA para mejorar el diagnóstico del cáncer de mama.