一种深度学习方法用于诊断支持乳腺癌微波断层扫描的诊断

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 乳腺癌的检测仍然是生物医学研究人员的关键焦点.
• 微波断层扫描提供了一种基于非电离辐射的方法,用于对乳腺组织进行成像.
• 传统的断层倒置算法面临着挑战,原因是问题的非线性和错位性质.

研究的目的:

• 提出一种深度学习技术,在微波断层扫描框架内改进瘤检测.
• 为了提高微波断层扫描的灵敏度,用于识别小癌症质量.

主要方法:

• 在微波断层扫描系统中集成的深度学习模型的开发.
• 使用断层测量作为深度学习算法的输入.
• 用模拟的乳腺组织情景数据库测试方法.

主要成果:

• 深度学习方法在瘤检测方面表现出显著的表现.
• 该方法成功地发现了常规技术经常错过的小型瘤质量.
• 准确识别潜在的病理组织,即使质量特别小.

结论:

• 拟议的深度学习技术为早期乳腺癌诊断提供了一个有前途的工具.
• 这种方法可以克服检测微妙异常的传统重建技术的局限性.
• 这种方法有可能通过更早,更准确的检测来改善患者的治疗结果.