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之一，也是癌症死亡的第二大原因。目前，人工智能（AI）和物联网（IoT）集成系统有望助力更早地诊断乳腺癌。

传统的乳腺癌检测方法存在一定局限性。例如，乳房X光检查（mammography）因电离辐射及相关健康风险，未得到广泛应用；而磁共振成像（MRI）或正电子发射断层扫描（PET）技术不仅成本高昂，而且设备普及度不足。尽管乳房X光检查在早期检测方面取得了一定成功，但仍存在较高比例的假阳性和假阴性结果，这会导致患者接受不必要的侵入性治疗和检查，进而引发焦虑、增加成本，并造成长期的心理社会伤害。

实际上，乳腺癌是由乳腺细胞形成的恶性肿瘤。因此，需要一个使用机器学习技术的计算机辅助检测（CAD）系统，以实现有效的乳腺癌诊断。这些CAD系统能够在早期检测乳腺癌，提高患者的生存率，从而提供更好的治疗方案。机器学习方法通过计算机辅助诊断的发展，在乳腺癌检测中得到了广泛应用。近年来，深度学习在特征工程方面表现出色，有助于提高计算机辅助系统的性能。

2 相关工作

2.1 乳房X光检查

乳房X光检查是医院和诊所用于早期检测乳腺癌最可靠的方法之一，可将死亡率降低多达30%。其主要目的是在癌症转移之前，尽早识别并切除癌性肿瘤。乳腺癌的早期症状包括肿块和微钙化，但病变和正常乳腺组织难以区分。

2.2 其他检测方法

• 微波乳腺癌检测原型 ：Jeantide等人提出了一种可穿戴的微波乳腺癌检测临床原型，无需患者评估台，成本更低。对健康志愿者进行乳房筛查后，与基于桌子的原型相比，该可