一个全面的审查的计算机辅助模型用于乳腺癌诊断使用组织病理学图像

科学领域:

• 在瘤学瘤学.
• 计算机科学 计算机科学
• 生物医学成像技术 生物医学成像技术

背景情况:

• 乳腺癌是女性的主要癌症,发病率正在上升.
• 使用组织病理学图像进行计算机辅助诊断是一个不断增长的领域.
• 机器学习和深度神经网络显示出癌症检测的前景.

研究的目的:

• 综合审查关于机器学习和深度神经网络用于乳腺癌检测的研究,使用组织病理学图像.
• 分析该领域常用的公共领域数据集和方法.
• 识别计算机检测和分类模型的性能指标的趋势和变化.

主要方法:

• 对2010年至2022年间发表的研究进行系统性文献综述.
• 分析方法,包括预处理,细分,特征工程和机器学习方法.
• 评估用于计算机化乳腺癌检测的各种分类器和性能指标.

主要成果:

• 深度学习模型显示,从组织病理学图像中检测乳腺癌的显著进展.
• 这些模型的性能高度依赖数据集,导致文献中的结果变化.
• 采用了广泛的预处理,细分和特征工程技术.

结论:

• 机器学习和深度神经网络为乳腺癌诊断提供了强大的工具.
• 需要对数据集和方法进行标准化,以提高模型的通用性和可靠性.
• 需要进一步的研究来优化这些方法的临床应用.