乳房影像掌握:使用深度学习与可解释的人工智能集成的乳腺癌图像分类
Proloy Kumar Mondal1, Md Khurshid Jahan2, Haewon Byeon3
1Discipline of Electronics and Communication Engineering, University of Khulna, Khulna, Bangladesh.
Medicine
|May 29, 2025
概括
一个深度学习模型在分类乳腺癌检测的乳房扫描图像方面实现了99%的准确性. 这种人工智能驱动的方法提高了诊断的准确性和效率,有助于早期发现疾病.
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:
- 乳腺癌是全球女性癌症死亡的主要原因之一.
- 早期检测显著提高了生存率.
- 手动乳房镜分析是耗时的,容易引起专家的变化.
研究的目的:
- 开发和评估一种有效的深度学习 (DL) 方法来分类乳房图像.
- 使用自动化系统提高乳腺癌诊断的准确性和效率.
- 通过使用可解释的人工智能提高分类过程的透明度.
主要方法:
- 使用了在Inception V3架构上预训练的深度学习模型.
- 在完全训练和微调的Inception V3模型上进行了5倍的交叉验证.
- 应用了基于概率和平均值的组合方法进行分类,并结合了可解释的AI技术.
主要成果:
- 微调的Inception V3模型在分类乳房图像方面实现了99%的准确性和99%的F1得分.
- DL模型在区分癌症和非癌症图像方面表现出卓越的性能.
- 可解释的人工智能技术证实了模型的有效性和透明度.
结论:
- 拟议的基于DL的方法对于从乳房影像中自动检测乳腺癌是非常有效的.
- 基于AI的解决方案显示出显著的潜力,可以提高乳腺癌诊断的准确性和可靠性.
- 这种方法可以增强基于图像的诊断方法,支持临床决策.
