44、深度学习在肿瘤恶性识别中的应用与挑战

深度学习在肿瘤恶性识别中的应用与挑战

一、引言

在肿瘤诊断领域，传统的医学成像技术如超声、CT扫描、X射线、MRI等，主要用于观察细胞生长情况。而机器学习（ML）和深度学习（DL）技术则能够从医学图像数据集中学习肿瘤或癌症的模式和特征，将其分类为良性、恶性或特定类型的恶性肿瘤，这为早期肿瘤恶性识别和分类提供了有前景的工具，有望克服手动检查中存在的挑战。

二、文献综述

2.1 ML和DL方法在肿瘤分类中的应用方式

ML和DL方法在肿瘤学中得到了广泛应用。肿瘤恶性检测和分类主要包括特征提取和分类两个主要步骤。传统ML方法将这两个步骤分开实施，而DL则提供了具有自动特征学习和分类功能的端到端网络训练。应用ML和DL方法主要有以下三种不同的途径：
1. 纯ML方法 ：两个步骤都使用ML方法。
2. 纯DL方法 ：两个步骤都使用DL方法。
3. 混合方法 ：结合使用ML和DL方法。

2.2 不同器官肿瘤分类的研究案例

2.2.1 乳腺癌分类

每年有数百名女性死于乳腺癌等疾病，AI已被用于快速有效地检测和分类乳腺肿瘤或癌症。以下是一些相关研究：
|参考文献|器官|技术|数据集及报告准确率|
| ---- | ---- | ---- | ---- |
|[8]|乳腺|使用斑点噪声去除、图像归一化和图像增强进行预处理。通过SVM、RF和CNN对145个特征进行分类|合作医院的151个肿瘤病变：SVM为80%；RF为77.78%；C