先进的深度学习框架用于乳腺癌检测,使用数字乳腺图片合成图像.
G Bharatha Sreeja1, S Sudha2, T M Inbamalar3
1231516 ECE Department, Easwari Engineering College , Chennai, Tamil Nadu, India.
Biomedizinische Technik. Biomedical engineering
|January 11, 2026
概括
这项研究引入了一个深度学习框架,用于使用数字乳腺图解 (DBT) 图像检测乳腺癌. 这种先进的模型显著提高了诊断性能,为早期发现乳腺癌提供了有前途的工具.
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:
- 早期和准确的乳腺癌检测对于改善患者生存率至关重要.
- 数字乳腺图莫合成 (DBT) 为乳腺癌诊断提供了先进的成像功能.
研究的目的:
- 开发一个强大的深度学习框架,使用DBT图像检测乳腺癌.
- 为了提高检测性能,利用单切片和多切片DBT输入.
主要方法:
- 图像预处理包括正常化,大小调整和拉普拉斯金字塔增强 (LPE).
- 使用详尽的特征选择 (EFS) 进行特征提取,融合和选择.
- 这是一个混合分类模型,它结合了ResNet V2,MobileNet V3和Inception V3+,以及XGBoost集体学习和超参数优化.
主要成果:
- 使用多切片DBT输入的混合模型表现出卓越的精度,灵敏度,特异性和AUC.
- 拉普拉斯金字塔增强 (LPE),特征融合和详尽特征选择 (EFS) 显著提高了诊断性能.
结论:
- 先进的深度学习方法显示了提高乳腺癌检测性能的巨大潜力.
- 未来的工作包括与临床决策支持系统,多中心数据集和其他成像模式的整合.
