一个基于深度学习的自动化混合型模型,用于使用乳腺图像检测乳腺癌
Ongole Gandhi1, S N Tirumala Rao2, M H M Krishna Prasad1
1Department of Computer Science & Engineering (CSE), Jawaharlal Nehru Technological University, Kakinada, India.
Current medical imaging
|February 20, 2026
概括
这项研究引入了一种新的深度学习框架,用于早期和准确的乳腺癌检测,使用乳房影像. 混合型号达到98.598%的准确性,显著提高了诊断能力并减少了错误.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 瘤学 在瘤学方面.
背景情况:
- 乳腺癌是全球女性死亡的主要原因之一.
- 乳腺造影是乳腺癌查的主要成像方法.
- 早期和准确的瘤检测对于有效的治疗和改善患者结果至关重要.
研究的目的:
- 提出一种新的混合深度学习框架,用于自动化早期和准确的乳腺癌检测.
- 为了提高使用乳房图像的诊断准确度.
主要方法:
- 一个混合深度学习模型,集成预处理,细分,特征提取和分类.
- 使用导向过器来降低噪音,用于瘤细分的修改的Dingo优化 (MDO),用于特征提取的U-Net,用于特征选择的搜索和救援优化 (SRO),以及用于分类的双阶段尖端卷积神经网络 (DSS-CNN).
主要成果:
- 实现了高性能,准确率为98.598%,精度为97.343%,回忆率为97.514%,F测量率为96.89%.
- 与现有方法相比,证明了虚假阳性和虚假阴性率的显著降低.
结论:
- 拟议的框架为改善乳腺癌检测提供了一个强大的端到端系统.
- 该模型通过提高诊断准确性和关键性能指标,为临床决策提供了宝贵的支持.