深度学习方法与数字乳房扫描用于评估乳腺癌风险,叙述性审查
Maham Siddique1, Michael Liu1, Phuong Duong1
1Department of Radiology, Columbia University Medical Center, New York, NY 10032, USA.
Tomography (Ann Arbor, Mich.)
|June 27, 2023
概括
人工智能 (AI),包括深度学习 (DL) 和卷积神经网络 (CNN),显示出使用数字造乳镜进行个性化乳腺癌风险评估的前景. 这篇评论考察了AI.
科学领域:
- 瘤学和医学成像学
背景情况:
- 乳腺癌是全球女性癌症死亡的主要原因之一.
- 目前的风险评估依赖于人口统计和病史,限制了个性化.
- 人工智能 (AI) 方法为增强和个性化的风险评估提供了潜力.
研究的目的:
- 审查关于深度学习 (DL) 和卷积神经网络 (CNN) 在数字造乳镜中进行乳腺癌风险评估的文献.
- 讨论人工智能在乳腺癌风险建模中的当前应用和未来潜力.
主要方法:
- 对使用DL和CNN与数字造乳镜的研究进行系统的文献综述.
- 对个人患者数据和成像评估的AI应用程序的分析.
主要成果:
- 人工智能,特别是DL和CNN,在创建个性化乳腺癌风险模型方面表现有前途.
- 这些人工智能方法可以有效地评估个体患者信息和成像数据.
结论:
- 深度学习和CNN显示出改善乳腺癌风险评估准确性的巨大潜力.
- 人工智能在乳腺癌风险建模中的未来应用预计将推进个性化医疗.
关键词:
乳腺癌的风险 乳腺癌的风险卷积神经网络是一种卷积神经网络.深度学习是一种深度学习.数字乳房造 mammography 数字乳房造 mammography 数字乳房造 mammography 是一个很好的方法.
