Un modelo automatizado híbrido basado en aprendizaje profundo para la detección de cáncer de mama utilizando imágenes...

Área de la Ciencia:

• Imágenes médicas de imágenes médicas.
• La inteligencia artificial es inteligencia artificial.
• Oncología Oncología.

Sus antecedentes:

• El cáncer de mama es una de las principales causas de mortalidad en mujeres a nivel mundial.
• La mamografía es la modalidad de imagen primaria para la detección del cáncer de mama.
• La detección temprana y precisa del tumor es fundamental para un tratamiento efectivo y mejores resultados para los pacientes.

Objetivo del estudio:

• Proponer un nuevo marco de aprendizaje profundo híbrido para la detección automática temprana y precisa del cáncer de mama.
• Para mejorar la precisión del diagnóstico utilizando imágenes mamográficas.

Principales métodos:

• Un modelo híbrido de aprendizaje profundo que integra el preprocesamiento, la segmentación, la extracción de características y la clasificación.
• Utilizó un filtro guiado para la reducción de ruido, la optimización modificada de Dingo (MDO) para la segmentación de tumores, U-Net para la extracción de características, la optimización de búsqueda y rescate (SRO) para la selección de características y la red neuronal convolucional de doble etapa (DSS-CNN) para la clasificación.

Principales resultados:

• Logró un alto rendimiento con un 98,598% de precisión, un 97,343% de precisión, un 97,514% de recuerdo y un 96,89% de F-medida.
• Demostró una reducción significativa en las tasas de falsos positivos y falsos negativos en comparación con los métodos existentes.

Conclusiones:

• El marco propuesto ofrece un sistema robusto de extremo a extremo para mejorar la detección del cáncer de mama.
• El modelo proporciona un valioso apoyo para la toma de decisiones clínicas al mejorar la precisión del diagnóstico y las métricas clave de rendimiento.