使用深度学习技术对多器官癌症诊断进行系统的文献分析

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 癌症对全球健康造成重大负担,死亡率不断上升.
• 手动细分和分类的癌症数据是复杂和耗时的.
• 诊断技术的进步对于早期癌症检测和管理至关重要.

研究的目的:

• 从2012年到2023年,系统地审查深度学习 (DL) 方法来检测多器官癌症.
• 专注于检测五种主要癌症:乳腺癌,大脑癌,肺癌,皮肤癌和肝癌.
• 为各种医疗图像模式提供DL模型性能的见解.

主要方法:

• 对研究文章,会议论文和书章进行系统的文献审查.
• 包括来自主要科学数据库 (Springer Link,IEEE Xplore,Science Direct,PubMed,Wiley) 的研究.
• 对卷积神经网络 (CNN) 架构,数据集和整体DL模型的分析.

主要成果:

• 深度学习,特别是CNN和整体模型,在检测和分类多器官癌症方面显示出重大前景.
• 确定了针对特定数据集和特征提取挑战的最佳DL技术.
• 总结了各种DL模型的性能评估,以区分癌细胞和健康组织.

结论:

• 深度学习为计算机辅助癌症诊断提供了强大的工具,增强了早期检测能力.
• 整体DL模型在癌症医学图像分类方面表现出卓越的性能.
• 需要进一步的研究来应对挑战,并优化DL在医疗成像中用于癌症检测的应用.