机器学习和基于深度学习的乳腺癌检测使用乳房影像的最新进展

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 乳房造影是乳腺癌的关键查工具,有助于早期诊断和治疗.
• 精确的乳腺癌检测通过乳房影像对于患者的生存和有效的治疗计划至关重要.
• 目前对基于乳腺造影的乳腺癌检测方法的调查是有限的.

研究的目的:

• 为基于乳腺癌检测的机器学习 (ML) 和深度学习 (DL) 的最新进展提供全面的概述.
• 用乳房影像检测乳腺癌的现有技术进行分类.
• 以突出挑战和未来的研究方向在人工智能驱动的乳房学.

主要方法:

• 制定了一个结构化的框架,以分类各种基于乳腺造影的乳腺癌检测技术.
• 确定并讨论了公开可用的乳房造影数据库和绩效指标.
• 我们系统地审查了最近关于乳房摄影中ML和DL应用的文献.

主要成果:

• 大多数研究将瘤分为两类 (正常-异常或恶性-良性),而不是三类.
• 深度学习 (DL) 模型与传统的手工制作特征相比,可以提取更多重要的特征.
• 转移学习技术表现出卓越的性能,特别是在有限的数据集下,优于经典的DL方法.

结论:

• 人工智能 (AI),特别是ML和DL,在乳腺癌检测方面取得了重大进展.
• 转移学习是改善诊断准确性的有希望的方法,特别是在数据稀缺的情况下.
• 识别当前的挑战和未来的研究途径将指导人工智能辅助乳房造影的进一步进展.