マルチソースデータによる乳がん診断決定
Ling Xu1, Xiangyun Zeng2, Boyuan Xing1
1Department of Ultrasound Imaging, Yichang Central People's Hospital, Yichang, Hubei, China.
まとめ
主要成分分析 (PCA) と組み合わせたサポートベクトルマシン (SVM) は,良性と悪性乳房の結節を正確に区別しました. このAI駆動的なアプローチはBI-RADSカテゴリー4の症例の複数のソースの乳房画像診断を強化します.
科学分野:
- 医療用イメージング
- 医療における人工知能
- 腫瘍学
背景:
- 乳腺の良性腫瘍と悪性腫瘍を正確に区別することは,患者の管理に極めて重要です.
- 乳房超音波画像報告データシステム (BI-RADS) のカテゴリー4のノードルについては,さらなる調査が必要である.
- マルチソースの診断データは分類に問題があります.
研究 の 目的:
- BI-RADSカテゴリー4の乳腺ノドルの分類のためのサポートベクターマシン (SVM) の有効性を評価する.
- マルチソースの乳房イメージングにおいて,主成分分析 (PCA) とのSVMの統合を評価する.
- この組み合わせによる診断の正確さを判断する.
主な方法:
- 超音波BI-RADSカテゴリー4の乳腺ノードルを用いた実験研究.
- 従来の超音波,S-Detect,および準知能ソフトウェアデータの分析.
- 特徴抽出とSVMとの統合のためのPCAの適用.
主要な成果:
- 主な構成要素分析 (PCA) は,12次元パラメータを2つの主要な構成要素に減らしました.
- SVM-PCAモデルは94.5%の高い診断精度を達成しました.
- マルチソースの乳がん診断において信頼性が証明された.
結論:
- PCAと統合されたSVMは,マルチソースの乳房イメージングにおける診断決定のための貴重なツールです.
- この方法は,良性と悪性 BI-RADS カテゴリーの乳房の結節を区別するための堅固なアプローチを提供します.
- 乳がんの診断を改善する AI の可能性を強調しています
