深度学习在乳腺癌组织病理成像中的应用:诊断,治疗和预后
Bitao Jiang1,2, Lingling Bao3,4, Songqin He5
1Department of Hematology and Oncology, Beilun District People's Hospital, Ningbo, 315800, China. jiangbitao@163.com.
Breast cancer research : BCR
|September 20, 2024
概括
深度学习 (DL) 显著提高了乳腺癌诊断和预后预测. 强大的数据库是开发准确,可概括的DL模型以改善患者治疗的关键.
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:
- 乳腺癌是全球女性死亡的主要原因,发病率和死亡率不断上升.
- 深度学习 (DL) 在改善乳腺癌诊断,预后和治疗预测方面表现有前途.
- 在DL的进步为分析复杂的医疗数据提供了新的工具.
研究的目的:
- 审查和应用DL模型用于乳腺癌诊断,预后评估和治疗反应预测.
- 使用大规模数据集评估基础DL模型 (ResNet50,变压器,Hover-net) 的性能.
- 突出数据质量和可概括性在乳腺癌DL模型开发中的重要性.
主要方法:
- 利用来自TCGA和多个中心的大规模乳腺癌数据集.
- 应用DL模型,包括ResNet50,变压器和Hover-net用于图像增强,细分和分类.
- 评估了DL模型在诊断准确性,转移预测和临床预后方面的性能.
主要成果:
- DL技术在乳腺癌的诊断准确性和效率方面显著改善.
- DL模型在预测乳腺癌转移和临床预后方面表现特别强.
- 该研究证实了全面数据库在创建可泛化的DL模型中的关键作用.
结论:
- 深度学习为推进乳腺癌治疗提供了强大的工具,从诊断到预后.
- 高质量,大规模的数据集对于开发可靠和广泛适用的DL模型至关重要.
- 未来的工作应涉及临床整合的数据管理,可解释性和监管方面.
