机器学习和深度学习方法在乳腺癌查和早期检测中的有用性

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 (BC) 是女性癌症的主要原因,患病率正在上升.
• 早期和快速诊断对于改善患者生存率至关重要.
• 当前的诊断方法可能具有挑战性,需要先进的方法.

研究的目的:

• 系统地分析机器学习 (ML) 方法用于乳腺癌 (BC) 诊断.
• 为 ML 驱动的 BC 查提供技术,挑战和解决方案的全面概述.
• 使用临床数据建立在BC诊断中ML应用的分类.

主要方法:

• 开发了一种分类系统,分类临床诊断方法 (MRI,乳房造影) 和ML技术 (NN,DL).
• 分析了临床数据集上ML方法的实施情况.
• 使用准确性 (ACC),灵敏性 (SEN) 和特异性 (SPE) 等标准评估模型性能.

主要成果:

• 神经网络 (NN) 和深度学习 (DL) 模型在BC诊断中表现出最高的准确性和广泛使用.
• ACC,SEN和SPE被确定为最常见的绩效评估指标.
• 该研究详细介绍了在BC检测中ML的优点,缺点和研究目标.

结论:

• ML,特别是NN和DL,为准确和高效的乳腺癌诊断提供了强大的工具.
• 该研究确定并提出了在应用ML到BC检测方面面临的现有挑战的解决方案.
• 这些发现旨在指导医疗保健专业人员和技术人员使用先进的诊断工具.