轻量化统计和纹理特征方法用于乳房温度图分析
Ana P Romero-Carmona1, Jose J Rangel-Magdaleno1, Francisco J Renero-Carrillo1
1Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) Tonantzintla, Puebla 72840, Mexico.
Journal of imaging
|October 28, 2025
概括
热谱,一种乳腺癌检测方法,使用皮肤温度来识别异常. 一个机器学习模型实现了91.97%的准确度分类温度图,帮助早期发现乳腺癌.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 乳腺癌是全球领先的女性癌症诊断.
- 早期检测对于改善患者的治疗结果至关重要.
- 热谱提供了一种非侵入性的方法来检测与乳腺癌相关的热异常.
研究的目的:
- 为热图片开发一个简洁的分类工具.
- 准确地将温度图分类为正常的或表明潜在的乳腺癌.
- 为了简化医疗专业人员对热图数据的解释.
主要方法:
- 利用统计和纹理特征进行图像分析.
- 使用粗略的决策树 (DT) 分类器.
- 开发了一个强大的机器学习 (ML) 模型用于分类.
主要成果:
- 达到最高分类准确率为91.97%.
- 确定了一个简洁的七个特征集,用于有效的分类.
- 与现有研究相比,已证明具有竞争力的表现.
结论:
- 一个简洁的特征集与决策树分类器相结合,提供了精确的乳腺癌风险评估.
- 这种方法使得临床医生和患者更容易地解释结果.
- 热像显示作为早期乳腺癌检测的补充工具的承诺.


