使用深度学习检测乳腺癌的异常检测
Ahad Alloqmani1, Yoosef B Abushark1, Asif Irshad Khan1
1Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, Saudi Arabia.
Arabian journal for science and engineering
|June 26, 2023
概括
这项研究引入了一个深度学习框架,用于准确检测乳腺癌异常. 该模型有效地识别异常,改善早期诊断和患者的治疗结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌仍然是全球女性的主要死亡原因.
- 早期检测和治疗对于改善患者生存率和降低医疗保健成本至关重要.
- 不平衡的数据集是医学AI研究中常见的挑战.
研究的目的:
- 提出一种高效准确的深度学习框架,用于检测乳腺异常 (良性和恶性).
- 解决医学图像分析中数据不平衡的挑战.
- 开发一种能够通过从正常数据中学习来识别异常的系统.
主要方法:
- 一个两阶段的框架,包括图像预处理和特征提取.
- 使用预训练的MobileNetV2模型来有效地提取特征.
- 在最后的分类步骤中使用单层感知器.
主要成果:
- 该框架在异常检测方面表现出高效率和精度,曲线下的面积 (AUC) 从81.40%到97.36%不等.
- 提出的方法在检测乳腺异常方面表现优于现有的相关工作.
- 该框架成功地解决了以前处理不平衡医疗数据的方法的局限性.
结论:
- 开发的深度学习框架为准确和高效的乳腺癌异常检测提供了一个有希望的解决方案.
- 该方法有效地处理不平衡的数据集,这是医疗AI的一个重大障碍.
- 这项工作有助于通过人工智能推进早期乳腺癌诊断.
