Улучшение диагностики рака груди: прозрачный и воспроизводимый процесс с использованием CBIS-DDSM и современных методов машинного обучения

 Enhancing Breast Cancer Diagnosis: A Transparent, Reproducible Workflow Using CBIS-DDSM and Advanced Machine Learning Techniques

Улучшение диагностики рака молочной железы

Доступные наборы данных маммографии и современные методы машинного обучения играют ключевую роль в улучшении диагностики рака молочной железы с помощью компьютеров. Однако ограниченный доступ к частным наборам данных и выборочное использование изображений из публичных баз данных затрудняют воспроизводимость и валидацию моделей.

Проблемы и решения

В 2022 году рак молочной железы стал причиной 670,000 смертей по всему миру. Несмотря на то, что технологии, такие как томосинтез, улучшают скрининг, ложноположительные результаты и различия в интерпретации радиологов вызывают беспокойство у пациентов и повышают затраты на здравоохранение. Алгоритмы CAD сталкиваются с проблемами надежности из-за ограниченных наборов данных.

Разработка нового подхода

Исследователи из Biomedical Deep Learning LLC и Вашингтонского университета в Сент-Луисе разработали пилотный код для упрощения процесса диагностики рака молочной железы — от предварительной обработки изображений до разработки и оценки моделей. Они установили, что использование больших размеров входных данных повышает точность обнаружения злокачественных образований.

Доступ к данным

Набор данных CBIS-DDSM содержит публично доступные изображения маммографии, подготовленные экспертами. Изображения были обработаны для концентрации на аномальных областях и подвергнуты трансформациям для увеличения данных. Процесс обучения модели включает загрузку данных, нормализацию и использование специализированной архитектуры сверточной нейронной сети.

Результаты исследования

Исследование показало, что использование больших изображений улучшает обнаружение злокачественных случаев. Модели, основанные на архитектуре ResNet-50, показали лучшие результаты по сравнению с Xception, особенно при использовании изображений размером 448×448 пикселей.

Заключение

Модели скрининга рака молочной железы развиваются благодаря инновациям и применению технологий ИИ. Исследование предлагает полностью доступный код для поддержки разработки и валидации моделей диагностики рака молочной железы. Увеличение размера входных данных и строгий контроль качества помогут улучшить точность и надежность моделей.

Как внедрить ИИ в вашу компанию

Если вы хотите, чтобы ваша компания развивалась с помощью ИИ, проанализируйте, как ИИ может изменить вашу работу. Определите ключевые показатели эффективности (KPI), которые вы хотите улучшить с помощью ИИ. Выберите подходящее решение и внедряйте ИИ постепенно, начиная с небольшого проекта.

Если вам нужны советы по внедрению ИИ, пишите нам.

Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект