创新的深度学习分类器用于通过混合特征提取技术检测乳腺癌
S Vijayalakshmi1, Binay Kumar Pandey2, Digvijay Pandey3
1Department of Electronics and Communication Engineering, Sona College of Technology, Salem, 636005, Tamilnadu, India.
Scientific reports
|July 2, 2025
概括
这项研究引入了一种混合深度学习方法,用于通过乳房影像改善乳腺癌检测. 将统计特征与BiLSTM-CNN模型相结合,实现了97.14%的准确性,有助于早期癌症查.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌是妇女死亡的主要原因,早期发现对生存至关重要.
- 准确的乳房扫描分析对于有效的乳腺癌查和诊断至关重要.
研究的目的:
- 开发和评估一种混合分类方法,用于增强乳腺造影分析.
- 将手工制作的统计特征与深度学习相结合,以改善乳腺癌检测.
主要方法:
- 使用Shearlet转换进行乳房影像预处理.
- 通过改进的Otsu值和Canny边缘检测进行图像细分.
- 使用GLCM,GLRLM和1级统计数据进行特征提取,并输入到2DBiLSTM-CNN模型中.
主要成果:
- 混合方法在MIAS数据集上实现了97.14%的准确性.
- 在乳房镜分类方面表现优于几种基准模型.
- 证明了统计和深度学习功能结合的有效性.
结论:
- 拟议的混合方法显著提高了乳腺癌分类性能.
- 这种方法显示出有潜力帮助放射科医生更有效地查乳腺癌.
- 手工制作的功能和深度学习的整合为医学图像分析提供了有前途的方向.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.4K
13:44Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
Published on: August 30, 2013
43.0K