人工智能 (AI) 和核特征来自精细针吸入 (FNA) 组织样本以识别乳腺癌
Rumana Islam1,2, Mohammed Tarique1
1Department of Electrical and Computer Engineering, University of Science and Technology of Fujairah (USTF), Fujairah P.O. Box 2202, United Arab Emirates.
Journal of imaging
|August 28, 2024
概括
人工智能 (AI) 使用精细针吸收 (FNA) 样本的核特征帮助诊断乳腺癌. 一个双层前神经网络实现了98.10%的准确性,改善了早期检测并减少了误诊.
科学领域:
- 在瘤学瘤学.
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
背景情况:
- 乳腺癌是全球新增癌症病例的主要原因之一.
- 早期查对于预防转移至关重要.
- 乳房影像和细针吸收 (FNA) 是当前的诊断工具,但对FNA样本的视觉分析对准确诊断提出了挑战.
研究的目的:
- 开发和评估基于人工智能 (AI) 的技术,用于客观诊断乳腺癌.
- 为了提高从FNA样本中识别恶性细胞的准确性.
- 为了减少乳腺癌查中的误诊率.
主要方法:
- 利用了来自UCI机器学习库的威斯康星州乳腺癌数据集 (WBCD).
- 应用了几种人工智能 (AI) 技术,专注于FNA样本的核特征.
- 使用显著的统计参数评估技术性能.
主要成果:
- 使用双层前神经网络 (FFNN) 实现了98.10%的最佳检测准确度.
- 证明了AI在分析FNA样本以诊断乳腺癌方面的有效性.
- 将开发的算法的性能与现有的最先进的方法进行了比较.
结论:
- 基于人工智能的客观技术可以显著提高FNA样本的乳腺癌诊断.
- 开发的FFNN算法显示了高精度和临床应用的潜力.
- 人工智能提供了一种有希望的方法来克服细胞学评估中主观视觉分析的局限性.
