一个创新的乳腺癌检测框架,使用多尺度扩展密度网与注意力机制
R Subhashini1, Rajasekar Velswamy2, N V S Sree Rathna Lakshmi3
1Department of Information Technology, Sona College of Technology, Salem, Tamil Nadu, India.
Network (Bristol, England)
|April 22, 2024
概括
这项研究介绍了一种使用自适应型跨密度联网 (A-TDUNet) 和改造羊群优化算法 (MSFOA) 的先进乳腺癌检测模型. 这种新的方法在从医学图像中识别乳腺癌方面取得了很高的准确性.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌仍然是一个重大的全球健康挑战,需要改进的诊断工具.
- 早期检测对于有效治疗和改善患者结果至关重要.
- 传统方法面临着巨大的挑战,不平衡的数据集和微妙的早期症状.
研究的目的:
- 开发一种创新和有效的乳腺癌检测模型.
- 为了解决经典乳腺癌鉴定技术的局限性.
- 提高医学图像中乳腺癌分类的准确性和可靠性.
主要方法:
- 使用自适应式跨密度联网 (A-TDUNet) 的图像细分.
- 通过修改的羊群优化算法 (MSFOA) 进行参数优化.
- 乳腺癌检测采用多尺度扩展密度与注意力机制 (MDD-AM).
主要成果:
- 拟议的模型实现了96.719%的净当前价值 (NPV).
- 乳腺癌检测的准确率为93.494%.
- 与基线方法相比,在各种实验环境中证明了更高的疗效.
结论:
- 开发的乳腺癌检测模型显示出高效率和准确性.
- 整合A-TDUNet,MSFOA和MDD-AM为早期乳腺癌识别提供了一个有前途的方法.
- 这个模型为癌症诊断,预防和治疗提供了宝贵的进步.
