通过彩色的乳房显微镜来分类乳房病变,并在一个新的CAD框架中进行转移学习
Abbas Ali Hussein1, Morteza Valizadeh2, Mehdi Chehel Amirani3
1Department of Electrical Engineering, Faculty of Electrical and Computer Engineering, Urmia University, Urmia, 7561-51818, West Azerbaijan, Iran. eng.abbasalsaeedi@gmail.com.
Scientific reports
|July 11, 2025
概括
这项研究引入了一种新的计算机辅助设计 (CAD) 系统,该系统将灰度乳房影像转换为RGB,提高早期乳腺癌 (BC) 检测的病变可见性. 该系统使用机器学习准确分类瘤,提高诊断准确度.
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:
- 乳腺扫描对于乳腺癌 (BC) 查至关重要,但人类的解释可能会导致错误.
- 目前使用灰度分析的计算机辅助设计 (CAD) 系统缺乏对比度来区分恶性病变和良性病变.
- 需要先进的成像技术来提高乳腺癌诊断的准确性和效率.
研究的目的:
- 开发一种创新的CAD系统,将灰度乳房影像转换为RGB图像,以增强病变可视化.
- 提高机器学习算法在将乳腺瘤分类为恶性或良性的准确性.
- 为放射科医生提供一个实用的工具,以减少诊断错误,并促进早期发现乳腺癌.
主要方法:
- 为减少噪音,突出病变和以瘤为中心的强度调整,开发了一个三路预处理框架.
- 用数据驱动的传输函数将灰度乳房镜像转换为RGB以实现统计量身定制的着色.
- 机器学习算法,包括EfficientNetB0预训练和支持矢量机 (SVM),用于瘤分类.
主要成果:
- 开发的CAD系统显著提高了乳腺瘤和异常的可见性.
- EfficientNetB0预训练和SVM的组合实现了高性能指标:准确率为99.4%,灵敏度为98.7%,特异性为99.1%,精度为99%,F1-Score为98.8%,AUC为100%.
- 彩色化方法改善了特征提取,以便更准确地对瘤进行分类.
结论:
- 创新的RGB色化CAD系统推进了用于乳腺癌检测的医学成像技术的最新进展.
- 该系统为放射科医生提供了一个实用的解决方案,有助于减少诊断错误.
- 这种方法具有显著的潜力,可以提高乳腺癌的早期检测率.
