开发用于乳腺癌检测的临床决策支持系统,使用集体深度学习
Jasjeet Kaur Sandhu1, Chetna Sharma1, Amandeep Kaur1
1Chitkara University Institute of Engineering and Technology, Chitkara University, Rajpura, Punjab, India.
Scientific reports
|July 18, 2025
概括
一个新的深度学习 (DL) 组合临床决策支持系统 (EDL-CDSS) 提高了乳腺癌的诊断. 这种先进的系统达到96.14%的准确性,改善了早期检测和患者的结果.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 瘤学 诊断 诊断 瘤学
背景情况:
- 乳腺癌对全球健康构成重大挑战,需要改进的诊断技术,以便早期检测并改善患者的治疗结果.
- 当前的诊断方法在精度和速度方面存在局限性,这凸显了对先进计算方法的需求.
研究的目的:
- 开发和评估一个独特的深度学习 (DL) 整体临床决策支持系统 (EDL-CDSS),用于准确和快速诊断乳腺癌.
- 通过结合多个DL模型来提高乳腺癌检测的准确性和效率.
主要方法:
- 该研究提出了一个EDL-CDSS集成各种DL模型,包括凯尔姆极端学习机器 (KELM) 和深信网络 (DBN).
- 这种整体方法利用单个DL架构的优势从医学成像数据中提取复杂的模式.
- 该系统的性能在各种数据集上进行了严格的测试,与单个DL模型和传统诊断技术进行了比较.
主要成果:
- 与个人DL模型和传统方法相比,EDL-CDSS在诊断乳腺癌方面表现优越.
- 评估的关键性能指标包括精度,灵敏度,特异性,F1得分和整体准确性.
- 该系统实现了96.14%的卓越的整体准确性,显著超过之前的先进方法.
结论:
- 开发的EDL-CDSS为乳腺癌诊断技术提供了一个有前途的进步.
- 整体DL方法有效地提高了诊断的准确性和速度,可能导致改善患者的治疗结果.
- 该系统显示了临床应用在早期和准确的乳腺癌检测显著的潜力.
