机器学习和深度学习技术用于乳腺癌诊断和分类:对医学成像研究的全面审查

科学领域:

• 医学成像分析 医学成像分析
• 在瘤学中使用人工智能

背景情况:

• 乳腺癌的诊断和分类对于有效治疗至关重要.
• 机器学习 (ML) 和深度学习 (DL) 在乳腺癌检测方面表现有前途.

研究的目的:

• 审查使用ML和DL用于乳腺癌分类和诊断的研究.
• 专注于五种医学成像类型:乳房影像,超声波,MRI,组织学和温度学.
• 检查流行的ML技术 (最近邻居,SVM,天真贝叶斯网络,DT,ANN) 和DL架构 (CNN).

主要方法:

• 对乳腺癌成像中的ML和DL应用进行系统审查.
• 分析不同成像模式的性能.
• 使用的ML和DL算法的分类.

主要成果:

• ML和DL技术在乳腺癌的分类和诊断方面具有很高的准确性.
• 在各种医学成像模式中有效应用.
• 成功实施各种ML算法和深度学习架构.

结论:

• 在成像类型的乳腺癌检测中,ML和DL的准确性很高.
• 这些人工智能技术可以增强临床决策.
• 改进的诊断能力可以带来更好的患者结果.