使用轻量级深卷积神经网络进行乳腺癌分类的方法
Ahmed Elaraby1, Aymen Saad2, Hela Elmannai3
1Department of Computer Science, Faculty of Computers and Information, South Valley University, Qena, 83523, Egypt.
Heliyon
|December 6, 2024
概括
深度学习算法现在可以精确地识别乳腺癌在乳房影像上. 这种自动化的特征提取方法显示了改善诊断准确度和减少乳腺癌查错误的前景.
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:
- 机器学习 (ML) 帮助放射科医生诊断乳腺癌 (BC),但传统方法需要耗时的特征提取.
- 深度学习 (DL) 提供自动特征提取,提高医学成像分析的效率和准确性.
研究的目的:
- 开发和评估一个深度学习算法,用于精确识别乳腺癌在查乳房图片上的确切识别.
- 评估轻量卷积神经网络 (LWCNN) 对于端到端特征提取和分类的有效性.
主要方法:
- 使用轻量卷积神经网络 (LWCNN) 以端到端的方式自动提取特征.
- 训练并测试了LWCNN模型的乳房扫描数据集与完整的临床注释和图像级癌症状态.
- 使用原始和增强数据集进行了两项实验,以评估模型性能.
主要成果:
- 该LWCNN模型实现了高训练和测试准确度,在两个实验中达到99%.
- 实验1: 95%的训练,93%的测试准确度 (数据集1).
- 实验2: 95%的训练,91%的测试准确度 (数据集2).
结论:
- 深度学习技术,特别是LWCNN,可以有效地训练,使乳房学数据集具有显著的准确性.
- 拟议的自动化方法显示了改善乳腺癌查临床工具的重大前景.
- 这种方法有可能减少乳房影像解释中的假阳性和假阴性结果.
