乳腺癌网:用于实时预测乳腺癌的Flask启用注意力驱动混合双DNN框架

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 乳腺癌是全球女性最常见的癌症,需要先进的诊断工具.
• 人工智能 (AI) 在提高癌症诊断准确性和治疗优化方面显示出潜力.
• 早期和准确的检测显著影响乳腺癌患者的存活率.

研究的目的:

• 开发和评估一种混合人工智能架构 - - 乳腺癌网 (BreastCancerNet),以改善乳腺癌诊断.
• 提高区分恶性和良性乳腺癌病例的准确性.
• 使用人工智能创建一个交互式网络应用程序,用于实时检测乳腺癌.

主要方法:

• 使用了威斯康星州乳腺癌数据集 (569名患者,30个属性).
• 开发了BreastCancerNet,这是一个混合AI模型,结合了双重深度神经网络 (DNN) 和注意力机制.
• 整合了一个支持矢量机 (SVM) 进行最终分类.

主要成果:

• 在区分恶性乳腺癌和良性乳腺癌方面达到99.42%的诊断准确率.
• 双DNN提取了各种特征,而注意力机制优先考虑了关键数据点.
• 开发了一个以用户为中心的网络应用程序,用于实时交互式乳腺癌检测.

结论:

• 乳腺癌网络在乳腺癌诊断方面表现出高效,达到近乎完美的准确性.
• 混合人工智能方法有效地利用深度学习和注意力机制来提高诊断性能.
• 开发的网络应用程序为增强乳腺癌查和患者参与提供了一个实用的工具.