深度学习方法用于在组织病理学图像中检测乳腺癌:一篇综述

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:

• 乳腺癌仍然是全球女性死亡的主要原因.
• 乳腺组织的组织病理学分析对于诊断和分期至关重要.
• 深度学习越来越多地被研究为在组织病理学图像中自动检测乳腺癌.

研究的目的:

• 审查当前的深度学习技术,用于在组织病理学图像中自动检测乳腺癌.
• 提供最先进的方法及其性能概述.
• 突出这一领域的挑战和未来方向.

主要方法:

• 对用于乳腺癌检测和分类的深度学习算法的审查.
• 对公开可用的基因病理图像数据集的分析.
• 评估不同深度学习架构的优点,弱点和性能.

主要成果:

• 深度学习技术在准确的乳腺癌检测和分类方面显示出重大前景.
• 性能因数据集,预处理和架构而异.
• 深度学习算法可以提高基因病理学基础诊断的准确性和效率.

结论:

• 深度学习的整合为精确的乳腺癌鉴定提供了有前途的结果从组织病理学.
• 本综述是研究人员开发诊断策略的参考.
• 该研究旨在激发对乳腺癌检测先进技术的兴趣.