乳がん診断の改善: 乳がん分類の精度を高める形状認識の角形特征学習
Abdul Khader Jilani Saudagar1, Abhishek Kumar2, Ankit Kumar3
1Information Systems Department, College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh 11432, Saudi Arabia.
Computational biology and chemistry
|February 17, 2026
まとめ
新しい Shape-Aware Angular Feature Learning (SAAFL) メソッドは,機械学習とディープラーニングを使用して乳がんの分類を改善しています. この技術は,超音波画像の診断精度を高め,不要な生検を減らすことができます.
科学分野:
- メディカルイマージング (医学イメージング)
- 人工知能 (AI) とは,人工知能 (AI) のことです.
- 腫瘍学 腫瘍学
背景:
- 乳がんの診断は生存に不可欠ですが,従来の方法は資源の限られた環境では困難です.
- 良性腫瘍と悪性腫瘍を区別することは依然として課題であり,誤診や不必要な処置につながる可能性があります.
研究 の 目的:
- 乳がんの正確な分類のための新しい方法論,形状認識角度特征学習 (SAAFL) を導入する.
- 乳房超音波 (BUS) 画像分析の性能を向上させるため,特に資源が乏しい環境において.
主な方法:
- Speckle-Reducing Anisotropic Diffusion (SRAD) フィルターは,超音波画像を無音化するために使用されました.
- 強固なセグメンテーションアプローチ (RBBSAM-RSF) によって,腫瘍の自動検出が可能になりました.
- 角度特征 (AF) 解析と,サポートベクトルマシン (SVM) と逆伝播人工ニューラルネットワーク (BPANN) を組み合わせた階層的分類システムを使用した.
主要な成果:
- SAAFLモデルは,1293の乳房超音波画像で95.38%の精度を達成しました.
- 提案された方法は,伝統的なテクスチャーベースのモデルと形態学的モデルを上回った.
- このアプローチは,誤った陽性の減少と,不要な生検の潜在的減少を示した.
結論:
- SAAFLは,乳がん診断の正確で,非侵襲的で,解釈可能な方法を提供しています.
- このモデルは,リソースが少ない臨床環境でのほぼリアルタイム展開に適しています.
- 形状認識機能分析とディープラーニングセグメンテーションを統合することで,乳がんの検出が進んでいます.
