13、医疗保健中的机器学习：乳腺癌检测的多模态成像与机器学习应用

医疗保健中的机器学习：乳腺癌检测的多模态成像与机器学习应用

在全球范围内，乳腺癌是女性中最常见的癌症之一，也是导致女性癌症相关死亡的第二大原因。尤其是20 - 59岁年龄段的女性，乳腺癌死亡导致的死亡率极高。2019年，美国估计有268,600例新的浸润性乳腺癌病例被诊断出来，预计2020年将有276,480例新病例。早期诊断对于降低乳腺癌的死亡率至关重要，而医疗成像技术在乳腺癌的检测和诊断中发挥着关键作用。

乳腺癌检测的成像模态

医疗图像有多种模态，用于乳腺癌检测的主要有以下几种：
1. 乳腺钼靶摄影（Mammography，MG） ：通过使用X射线生成乳腺图像即钼靶照片。早期通过钼靶筛查有助于降低女性的死亡率。该检查通常从两个不同的视角进行，每个乳房两个视角，即头足（CC）视图和内外斜（MLO）视图。MLO投影时，通常将物体放置在45°角或30° - 60°之间的其他角度；CC投影则使用垂直的X射线束。现代钼靶筛查和临床程序主要采用数字钼靶摄影（DM），它有助于对乳腺组织中的癌性元素进行分割和分类，能够在症状实际出现之前检测到肿瘤，并且可以检测到微钙化或钙沉积的微小变化，用于乳腺癌的早期诊断。
- 相关研究 ：
- Dheeba等人（2014）使用粒子群优化小波神经网络（PSOWNN）对数字钼靶图像中的异常进行分类，获得了0.96853的ROC值。
- Singh和Urooj（2016）提出了一个计算机辅助诊断（CAD）系统，使用伪泽尼克矩（GPZM）和伪泽尼克矩（PZM）作为纹理描述符，并采用自适应差分进化小波神经网络（Ada - DEWNN）作为分类器来对乳腺组织进行分类。 <