机器学习和乳腺癌诊断的新见解

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) 是全球女性的主要癌症.
• 目前的BC检测依赖于各种成像技术.
• 机器学习 (ML) 可以提高诊断效率.

研究的目的:

• 审查放射学,ML和DL在乳腺癌检测和干预中的应用.
• 引导研究人员和临床医生利用人工智能进行BC诊断.

主要方法:

• 对BC的医学图像分析之前的调查的审查.
• 专注于放射学,人工神经网络和深度学习 (DL) 模型.
• 对ML模型进行分层,分化和检测乳腺病变的分析.

主要成果:

• ML和DL工具在BC检测和干预方面表现出高效率.
• 放射学,DL和ML可以实现精确的临床图像分层和瘤诊断.
• 这些人工智能工具在诊断医学中越来越多地使用.

结论:

• 人工智能,特别是ML和DL,在BC检测和干预方面提供了显著的优势.
• 与ML/DL集成的放射学增强了诊断的准确性.
• 本综述为在BC临床实践和研究中实施AI提供了基础.