61、基于机器学习的乳腺癌检测

基于机器学习的乳腺癌检测

1. 引言

乳腺癌是女性中最常被诊断出的癌症，也是癌症死亡的第二大原因。人工智能和物联网集成系统有助于更早地诊断乳腺癌。目前，乳房X光检查是检测乳腺癌的关键工具，但由于乳腺组织中脂肪少、肌肉多，癌细胞难以识别。为了检测表明癌症存在的密度、肿块和钙化等不规则区域，人们使用数字化乳房X光图像。虽然已经开发了多种成像技术来早期检测和治疗乳腺癌，也采用了许多诊断方法来提高诊断准确性，但当前技术在早期检测乳腺癌方面仍不可靠，许多女性因此受到影响。

乳房X光检查因电离辐射和相关健康风险而未广泛用于筛查，而磁共振成像（MRI）或正电子发射断层扫描（PET）技术昂贵且供应不足。定期进行乳房X光检查的女性能够及时发现疾病，从而有机会获得较温和的治疗。然而，该检测仍存在较高比例的假阳性和假阴性，导致患者接受不必要的侵入性治疗和检测，引发焦虑、增加成本并造成长期的社会心理伤害。人工智能在预测乳腺癌扩散方面可能同样成功，其算法在检测乳腺癌向淋巴结扩散方面表现与病理学家相当甚至更好。

实际上，乳腺癌是由乳腺细胞形成的恶性肿瘤，需要一个使用机器学习技术的计算机辅助检测（CAD）系统来进行有效的乳腺癌诊断。这些CAD系统可以在早期检测乳腺癌，早期诊断可提高生存率并提供更好的护理。机器学习方法通常通过开发计算机辅助诊断用于乳腺癌检测，近年来，考虑到特征工程，深度学习在提高计算机辅助系统性能方面受到了关注。

2. 相关工作

医院和诊所中用于早期检测乳腺癌的最可靠方法之一是乳房X光检查，它能将死亡率降低多达30%。乳房X光检查筛查的主要目的是在癌症转移前早期识别并切除癌性肿瘤。肿块和微钙化是乳腺癌的早期症状，但病变和正常乳腺组织也难以区分。 </