通过使用PRMS-Net深度学习方法进行优化的热图分析来提高乳腺癌检测.
Mudassir Khan1,2, Mazliham Mohd Su'ud3, Muhammad Mansoor Alam2,4
1Department of Computer Science, College of Computer Science, Applied College Tanumah, King Khalid University, P.O. Box: 960, 61421, Abha, Saudi Arabia.
Journal of imaging informatics in medicine
|May 6, 2025
概括
一种新的深度学习模型,即渐进的残余多类支持向量机器网络 (PRMS-Net),在早期发现乳腺癌方面达到99.63%的准确性. 这种先进的工具有助于放射科医生提高诊断准确性和患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺癌是全球女性死亡的主要原因之一.
- 早期检测对于有效的治疗和改善生存率至关重要.
- 目前的诊断方法需要提高准确性和效率.
研究的目的:
- 开发和评估用于早期发现乳腺癌的先进深度学习模型.
- 提高诊断准确度,减少乳腺癌评估中的假阳性/假阴性.
- 提高放射科医生在早期识别乳腺癌方面的能力.
主要方法:
- 在一个渐进的残余多类支持矢量机器网络 (PRMS-Net) 框架内集成渐进的残余网络 (PRN) 和ResNet-50.
- 利用深度学习来优化特征提取和分类.
- 采用五重交叉验证方法来评估模型可靠性和通用性.
主要成果:
- 在测试中,PRMS-Net模型取得了99.63%的高精度.
- 在精度,回忆和F1分数方面表现出强的表现,表明高灵敏度和特异性.
- 错误分布分析验证了该模型在医学图像处理中的实际适用性.
结论:
- PRMS-Net是早期发现乳腺癌的可靠和高效工具.
- 该模型有助于放射科医生提高诊断准确度,减少错误分类.
- 通过早期干预,PRMS-Net有可能显著改善患者的预后.
