在CT扫描中早期发现乳腺癌,使用卷积神经双向特征金字塔网络
Tahani Jaser Alahmadi1, Adeel Ahmed2, Amjad Rehman3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, Riyadh, Saudi Arabia.
PeerJ. Computer science
|September 24, 2025
概括
一个新的卷积神经网络框架在计算机断层扫描 (CT) 中准确检测乳腺癌,达到96.11%的准确性. 这种方法通过改善乳腺组织3D成像中癌症病变的识别来增强早期检测.
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:
- 乳腺癌是全球女性的主要死亡原因,需要在早期检测方面取得进展.
- 计算机断层扫描 (CT) 扫描为乳腺癌检测提供高分辨率的3D成像,但分析复杂的组织特征仍然具有挑战性.
- 准确检测和定位乳腺癌病变,无论大小,形状或密度如何,都需要复杂的计算方法.
研究的目的:
- 提出一个新的框架,用于CT扫描中增强乳腺癌检测.
- 整合多尺度特征提取和双向特征融合,以改善病变识别.
- 为了将CT图像分类为患病或不患病,并精确地确定乳腺组织内的癌症区域.
主要方法:
- 开发一个卷积神经双向特征金字塔网络.
- 使用多层卷积神经网络进行图像分类.
- 在巴基斯坦阿伯塔巴德Ayub教学医院收集乳房CT扫描数据. 巴基斯坦阿伯塔巴德.
- 使用精度,回忆,F1测量和平均精度指标进行评估.
主要成果:
- 拟议的框架在乳腺癌检测中实现了96.11%的准确性.
- 与现有方法相比,该模型在识别乳腺癌区域方面表现令人满意.
- 该框架显示,与基线方法相比,改善了1.71%.
结论:
- 卷积神经双向特征金字塔网络在CT扫描中有效检测乳腺癌.
- 拟议的框架为早期和准确的乳腺癌诊断提供了有希望的进展.
- 这种方法有可能通过加强病变识别来改善患者的治疗结果.
