走向一个可解释的乳腺癌检测和诊断系统
Cristiana Moroz-Dubenco1, Adél Bajcsi1, Anca Andreica1
1Babeş-Bolyai University, Mihail Kogălniceanu 1, Cluj-Napoca, 400084, Cluj, Romania.
Computers in biology and medicine
|December 17, 2024
概括
这项研究引入了一个可解释的计算机辅助系统,用于乳腺癌的检测和诊断. 该自动化系统实现了高准确度,精度和特异性,帮助放射科医生进行乳房图解读.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌查通过乳房扫描至关重要,但解释可能很困难.
- 计算机辅助检测和诊断 (CAD) 系统提供了第二意见,但需要对临床信任进行解释.
- 了解CAD系统决策对于有效整合到临床工作流程至关重要.
研究的目的:
- 开发用于乳腺癌检测和诊断的自动化和可解释的系统.
- 为了提高CAD系统在乳房镜中的可靠性和可信度.
- 为使用人工智能进行乳腺癌查的临床医生提供透明的决策过程.
主要方法:
- 该系统涉及预处理,无监督的细分,以及对基于纹理和形状的特征的分析.
- 用特征选择技术和决策树算法来进行良性/恶性分类.
- 使用预修剪,后修剪和随机森林分类器来解决过度装配,以提高可解释性.
主要成果:
- 拟议的系统在迷你MIAS数据集上实现了最大95%的准确性.
- 该系统在乳腺癌检测方面表现出100%的精度和100%的特异性.
- 该系统允许用户分析检测和诊断过程中的每个步骤.
结论:
- 成功开发了一种用于乳腺癌检测和诊断的自动化和可解释的系统.
- 该系统提供高诊断性能,与专家口译相提并论.
- 可解释性功能促进了信任,并促进了人工智能在乳房镜检查中的采用.
更多相关视频
15:48Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
Published on: December 15, 2014
22.4K
08:27Detection of Human Leukocyte Antigen Biomarkers in Breast Cancer Utilizing Label-free Biosensor Technology
Published on: March 24, 2015
14.7K
