智能乳腺质量分类方法使用阿基米德的优化算法与深度学习在数字乳房造影
1Information Technology Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia.
Biomimetics (Basel, Switzerland)
|October 27, 2023
概括
这项研究介绍了一种智能乳腺质量分类方法,使用深度学习和阿基米德优化算法来进行增强的乳房影像分析. BMCA-AOADL技术在检测乳腺癌方面取得了很高的准确性,改善了早期诊断.
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:
- 对人类放射科医生来说,通过乳房影像检测乳腺癌 (BC) 是复杂且耗时的过程.
- 计算机辅助诊断 (CAD) 系统增强了BC分析,但需要进一步提高性能.
- 深度学习 (DL) 显示了使用卷积神经网络 (CNN) 早期BC检测的希望.
研究的目的:
- 通过使用阿基米德的优化算法与深度学习 (BMCA-AOADL) 进行智能乳腺质量分类方法,用于数字乳房造影.
- 通过将DL模型与生物灵感算法集成来增强乳腺质量分类.
- 提高乳腺癌检测和分类的准确性和效率.
主要方法:
- 作为预处理步骤,BMCA-AOADL技术使用中位过 (MF) 来消除噪声,并使用U-Net进行细分.
- 使用SqueezeNet模型进行特征提取,使用阿基米德优化算法 (AOA) 进行超参数调整.
- 乳腺质量检测和分类是使用深度信念网络 (DBN) 方法实现的.
主要成果:
- 在MIAS数据集上评估了BMCA-AOADL技术.
- 与其他DL算法相比,该系统显示出了显著的结果.
- 获得了96.48%的最大精度,展示了拟议方法的有效性.
结论:
- 在BMCA-AOADL技术有效地分类乳腺质量在数字乳房影像.
- 将DL与AOA等生物灵感优化算法集成,可以提高CAD系统的性能.
- 这项研究强调了先进的人工智能技术在改善早期乳腺癌诊断方面的潜力.
