一个基于深度学习的新模型,用于从医学图像中诊断乳腺癌
Salman Zakareya1, Habib Izadkhah1,2, Jaber Karimpour1
1Department of Computer Science, University of Tabriz, Tabriz 5166616471, Iran.
Diagnostics (Basel, Switzerland)
|June 10, 2023
概括
这项研究引入了一种用于早期发现乳腺癌的新型深度学习模型,在医学图像上实现了高精度. 这一进步有助于更快的诊断,特别是在专家访问有限的地方.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺癌是全球女性的主要死亡原因,因此早期检测对于改善患者的治疗结果至关重要.
- 机器学习 (ML) 和深度学习 (DL) 有望提高乳腺癌查准确度,特别是在资源有限的环境中.
- DL模型通常需要大型数据集,这些数据集在医学成像中往往很少,阻碍了它们的性能.
研究的目的:
- 开发一种新的深度学习模型,以改进乳腺癌的分类和检测.
- 为深度学习模型解决医疗成像有限数据的挑战.
- 提高诊断准确度,减少医疗保健专业人员的工作量.
主要方法:
- 提出了一个新的深度学习模型,整合了来自GoogleLeNet和剩余块的概念.
- 该模型包含颗粒式计算,快捷连接,可学习的激活函数和注意力机制.
- 通过比较拟议的模型与最先进的深度模型,使用两个案例研究来评估性能.
主要成果:
- 拟议的深度学习模型在乳腺癌分类中实现了高准确率.
- 具体来说,该模型在超声波图像上达到93%的准确性,在乳腺组织病理图像上达到95%的准确性.
- 颗粒计算和注意力机制的整合有助于提高诊断精度.
结论:
- 开发的深度学习模型为准确和高效的乳腺癌检测提供了一个有希望的方法.
- 该模型能够在有限的数据下表现良好,其高准确性表明其潜在的临床实用性.
- 这项研究有助于推进癌症查医学成像中的AI应用.
