42、利用机器学习技术预测骨肉瘤及基于CNN的面部年龄和性别检测

利用机器学习技术预测骨肉瘤及基于CNN的面部年龄和性别检测

骨肉瘤预测研究

在医学领域，利用计算机辅助系统自动预测癌症具有重要意义，尤其是在骨肉瘤的预测中，人类的准确率最高仅达60%。下面详细介绍利用机器学习技术进行骨肉瘤预测的相关内容。

研究背景与相关进展

从模拟神经细胞开始，人们尝试模拟人类大脑，使用感知器模拟模型，多层感知器通过排列层和感知器构建，所有节点完全连接，可解决更复杂的难题。人工智能技术在胸部成像领域有诸多应用和发展，如肺结节检测、良恶性病变区分、弥漫性肺部疾病诊断以及3D评估和图像质量提升等。有研究表明，CNN在肺结节检测中的曲线下面积（AUC）为0.899 ± 0.018，明显优于传统CADx的0.848 ± 0.026，且在重要公共数据集上，该技术显著降低了假阳性率，灵敏度达95.6%。

在骨肉瘤研究方面，有研究使用深度学习模型和组织学照片评估骨肉瘤中的坏死和可能肿瘤，将组织区域标记为可能肿瘤、坏死肿瘤和非肿瘤。其采用深度学习和机器学习模型，集成学习模型总体准确率达93.3%，非肿瘤、可能肿瘤和坏死肿瘤的分类准确率分别为91.9%、95.3%和92.7%。当缺乏特定研究领域的数据时，可从预训练网络获取深度学习模型的基本参数，并应用于不同领域的更大数据集，知识转移能有效提高学习输出，同时减少昂贵的数据标记工作。

研究方法

• 数据集 ：使用的数据集来自相关研究，包含苏木精和伊红（H&E）染色的骨肉瘤组织学图片。这些数据由达拉斯德克萨斯大学西南医学中心的科研团队收集，利用1995 - 2015年达拉斯儿童医院50名患者的存档样本创建。图片按