有效的卷积网络以协助乳腺癌诊断和向治疗
Ching-Wei Wang1, Kai-Lin Chu1, Hikam Muzakky1
1Graduate Institute of Biomedical Engineering, National Taiwan University of Science and Technology, Taipei 106335, Taiwan.
Cancers
|August 12, 2023
概括
一种新的深度学习方法提高了乳腺癌诊断和HER2基因放大检测. 这种人工智能方法提供了高精度和效率,使其适合临床使用.
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:
- 乳腺癌是全球妇女死亡的主要原因.
- 精确检测人类表皮生长因子受体-2 (HER2) 基因放大对于向治疗至关重要.
- 目前用于检测HER2的手动显微镜分析是主观的,缺乏可重现性.
研究的目的:
- 为乳腺癌诊断和HER2放大检测引入一个高效的深度学习框架.
- 为了解决手动幻灯片分析在病理学的局限性.
主要方法:
- 开发一种低计算成本的深度学习方法.
- 该框架应用于乳腺癌诊断和HER2放大检测在光在位杂交 (FISH) 和双在位杂交 (DISH) 幻灯片上.
主要成果:
- 拟议的深度学习框架在临床应用中实现了高精度和回忆.
- 该方法在交叉对欧盟 (IoU) 的基准方法相比显示出更高的性能.
- 人工智能训练时间 (16.93%),人工智能推断时间 (17.25%) 和内存使用率 (18.52%) 显著减少.
结论:
- 深度学习方法为乳腺癌诊断和HER2放大检测提供了准确和可重复的结果.
- 该框架的效率和减少的资源需求使其在临床上可行.


