使用红外热谱检测乳腺癌:对纹理分析和机器学习方法的调查
1Department of Computer Science, Graduate Center, CUNY, City University of New York, New York, NY 10016, USA.
Bioengineering (Basel, Switzerland)
|June 26, 2025
概括
红外热学与纹理分析和机器学习相结合,为早期发现乳腺癌提供了一个有希望的,低成本的方法. 这种方法解决了传统查的局限性,旨在提高精度和减少放射科医生的工作量.
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:
- 乳腺癌是导致死亡的主要原因,需要改进早期检测方法.
- 乳房科面临成本和可访问性挑战,特别是在资源有限的环境中.
- 红外热学 (IRT) 是一种非侵入性,无辐射的替代方法,用于检测瘤的热信号.
研究的目的:
- 调查纹理分析和机器学习与IRT用于乳腺癌检测的整合.
- 为了解决有关先进IRT分析技术的当前文献中的差距.
- 确定这个领域的局限性和未来的研究方向.
主要方法:
- 对IRT处理管道的全面审查:图像预处理,特征提取和分类.
- 专注于应用于热图像的纹理分析和机器学习算法.
- 对现有数据集和绩效评估方法的批判性分析.
主要成果:
- 在IRT中整合纹理分析和机器学习显示了乳腺癌检测的巨大潜力.
- 目前的方法面临局限性,包括依赖小数据集和缺乏广泛的临床验证.
- 这种方法有可能显著提高诊断准确度,并减少放射科医生的负担.
结论:
- 纹理分析和机器学习显著提高了红外热学用于乳腺癌查的能力.
- 解决当前的局限性,如数据集大小和标准化,对于临床采用至关重要.
- 需要进一步的研究来优化算法和验证发现,以便在早期乳腺癌检测中广泛使用.
