
«`html
Улучшение диагностики рака молочной железы
Доступные наборы данных маммографии и современные методы машинного обучения являются ключевыми для улучшения компьютерной диагностики рака молочной железы. Однако ограниченный доступ к частным наборам данных и выборочное использование изображений из публичных баз данных создают преграды для исследований в этой области.
Проблемы диагностики
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 вариативность интерпретации радиологов вызывают беспокойство у пациентов и увеличивают затраты на здравоохранение.
Решения от исследователей
Исследователи из Biomedical Deep Learning LLC и Вашингтонского университета разработали пилотный код для упрощения процесса диагностики рака молочной железы, включая предобработку изображений, разработку и оценку модели. Они обнаружили, что использование больших размеров входных данных повышает точность обнаружения злокачественных образований.
Структура кода
Код предназначен для поддержки глобальных усилий по разработке программного обеспечения для диагностики рака молочной железы, предоставляя воспроизводимую структуру с использованием последних инноваций. Набор данных CBIS-DDSM включает в себя публичные изображения маммографии с аннотациями, обработанными экспертами.
Процесс обработки данных
Изображения были преобразованы из формата DICOM в PNG и обработаны с фокусом на аномальные области. Процесс обучения модели включает загрузку данных, нормализацию и специализированную архитектуру сверточной нейронной сети.
Результаты исследования
Исследование показало, что использование больших изображений улучшает обнаружение злокачественных случаев. Архитектура ResNet-50 обеспечивала более высокие показатели по сравнению с Xception, особенно на изображениях 448×448 пикселей.
Заключение
Модели скрининга рака молочной железы развиваются благодаря инновациям и применению ИИ. Исследование предоставляет полностью доступный код, поддерживающий разработку и валидацию моделей диагностики. Увеличив размер входных данных и применив строгий контроль качества, исследователи стремятся улучшить точность и надежность моделей.
Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ), обратите внимание на практические шаги:
- Проанализируйте, как ИИ может изменить вашу работу.
- Определите ключевые показатели эффективности (KPI), которые хотите улучшить.
- Подберите подходящее решение на основе доступных ИИ-технологий.
- Внедряйте ИИ постепенно: начните с небольших проектов и анализируйте результаты.
Если вам нужны советы по внедрению ИИ, пишите нам в Телеграм. Узнайте, как ИИ может изменить процесс продаж в вашей компании!
«`