乳腺癌检测和分类:关于多层感知模拟人工神经网络的规范和实施的研究

科学领域:

• 生物医学工程 生物医学工程
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 乳腺癌是全球主要的健康问题,需要准确高效的诊断工具.
• 目前用于乳腺癌查的数字硬件解决方案在处理速度和功耗方面面临限制.
• 以前的综合方法往往受到高复杂性和复杂的模块通信的影响.

研究的目的:

• 开发一个完全集成的模拟人工神经网络来分类乳腺瘤细胞.
• 设计使用90nmCMOS技术用于乳腺癌分析的新型模拟网络架构和电路块.
• 评估拟议的模拟神经网络模型的性能和效率.

主要方法:

• 实现一个多层感知器模拟人工神经网络.
• 使用90nm互补金属氧化物半导体技术开发基本模拟电路块.
• 综合评估使用像灵敏度,特异性,准确性和F1-Score这样的指标,以及蒙特卡洛分析.

主要成果:

• 实现了高性能指标:灵敏度 (0.9668),特异性 (0.9869),准确度 (0.9800),F1-Score (0.9708),十字路口超过联盟 (0.9433),和马修的相关系数 (0.9556).
• 在威斯康星州乳腺癌数据集上通过蒙特卡洛分析验证了98.00%的准确性.
• 证明低功耗 (23.06 mW) 和内存使用 (122 MB) 具有高效的操作参数.

结论:

• 拟议的完全集成的模拟人工神经网络为乳腺癌细胞分类提供了高度准确和高效的解决方案.
• 新的模拟架构和电路设计比现有的数字方法有了显著的进步.
• 该模型的性能和效率表明,它有很大的潜力被整合到临床实践中,以改善医疗诊断.