使用卷积神经网络检测乳腺癌:基于深度学习的方法
Faizan Nasir1, Shanur Rahman2, Nazim Nasir3
1Computer Science, Aligarh Muslim University, Aligarh, IND.
Cureus
|May 5, 2025
概括
深度学习模型,特别是混合CNN,在乳腺癌检测方面显示出高准确度 (89-98%). 人工智能集成有望改善临床环境中的早期检测和减少诊断错误.
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:
- 乳腺癌是妇女死亡的主要原因,特别是在资源较低的环境中.
- 诊断延迟和获得医疗保健的限制会使结果变得更糟.
- 使用深度学习的自动图像分析提供了一个有前途的解决方案.
研究的目的:
- 审查基于卷积神经网络 (CNN) 的乳腺癌检测方面的进展.
- 为了比较CNN,循环神经网络 (RNN) 和医疗图像分类的混合模型.
- 评估各种深度学习技术对诊断准确性的影响.
主要方法:
- 关于最近CNN基于乳腺癌检测技术的全面审查.
- 对CNN,RNN和混合深度学习模型的比较分析.
- 在569个实例的数据集上,在33个瘤形态特征的数据集上,实施了CNN,LSTM和MLP.
主要成果:
- 深度学习模型的分类准确度在89%至98%之间.
- 数据增强,转移学习和功能选择显著改善了模型性能.
- 基于混合CNN的模型通过捕捉空间和顺序瘤特征依赖性而表现出色.
结论:
- 人工智能驱动的乳腺癌检测具有临床应用的巨大潜力.
- 这些方法可以减少诊断错误,提高早期检测率.
- 未来的研究应该集中在变压器模型,联合学习和可解释的AI上.
