Wczesne wykrywanie i klasyfikacja raka piersi przy u¿yciu uczenia maszynowego

Najcz¿stszym nowotworem w¿ród kobiet na ¿wiecie o wysokim wskäniku ¿miertelno¿ci jest rak piersi. Wczesne wykrywanie i dok¿adna klasyfikacja raka piersi maj¿ zasadnicze znaczenie dla poprawy prze¿ywalno¿ci pacjentek i umo¿liwienia interwencji klinicznej w odpowiednim czasie. Techniki uczenia maszynowego s¿ szeroko stosowane do analizy danych diagnostycznych z mammografii, ultrasonografii, rezonansu magnetycznego i badä histopatologicznych. Tradycyjne metody uczenia maszynowego wykorzystuj¿ r¿cznie tworzone cechy klasyfikowane przez algorytmy takie jak Support Vector Machines i Random Forests, podczas gdy modele g¿¿bokiego uczenia, w szczególno¿ci konwolucyjne sieci neuronowe, automatycznie ucz¿ si¿ dyskryminacyjnych reprezentacji cech z surowych danych. Badania eksperymentalne pokazuj¿, ¿e modele te mog¿ skutecznie rozró¿niä zmiany ¿agodne i z¿o¿liwe z du¿¿ dok¿adno¿ci¿, wspieraj¿c radiologów we wczesnej diagnostyce.