用机器学习和深度学习模型对癌症检测的最新进展进行全面分析,以改善诊断

科学领域:

• 医学成像和诊断 医学成像和诊断
• 医疗保健中的人工智能
• 在瘤学瘤学.

背景情况:

• 癌症是导致死亡的主要原因,需要早期和准确的诊断.
• 手动癌症诊断容易出现错误,这推动了对自动检测方法的研究.
• 早期癌症检测对于有效治疗和改善患者治疗结果至关重要.

研究的目的:

• 为早期癌症检测进行机器学习 (ML) 和深度学习 (DL) 模型的比较分析.
• 审查最近的ML和DL技术的进展,用于诊断大脑,肺,皮肤和乳腺癌.
• 确定在自动化癌症诊断领域的关键发现,挑战和未来研究领域.

主要方法:

• 2018年至2023年间发表的130篇同行评审研究论文的系统审查.
• 单独分析了56种基于ML的和74种基于DL的癌症检测技术.
• 基于准确性的性能评估作为ML和DL模型比较的主要指标.

主要成果:

• 深度学习 (DL) 模型实现了最高准确度 (100%),超过了传统机器学习 (ML) 模型 (99.89%).
• 精度差异很大,在最好的和最差的模型之间,皮肤癌检测的差异值得注意的是28.8%.
• 确定了每个癌症类型的关键发现和挑战,突出了提高分类效率的范围.

结论:

• 两种ML和DL技术都显示出早期癌症检测的巨大潜力.
• 对于这些人工智能驱动的诊断工具的广泛临床实施,必须应对特定的挑战.
• 在ML和DL的持续进步对于提高诊断准确性和改善患者存活率至关重要.