数学方法诊断乳腺癌

考纳斯大学的一组研究人员技术、立陶宛、发展数学方法来诊断乳腺癌。应用深度学习,研究人员的目标是教计算机识别恶性病变,这可能至少部分自动化,提高乳腺癌诊断的准确性。

2014年,约有9.35万人死于乳房癌症在欧盟,其中绝大多数是女性(92500)。女性,乳腺癌占所有死亡的3.7%。根据世界卫生组织,超过每年新诊断的100万例乳腺癌。国际社会的医学专家警告说,肿瘤疾病的发病率正在上升;在过去的15年的立陶宛,癌症发病率增加了75%。

更好的治疗和预后的癌症患者,早期诊断是关键。“通常在癌症诊断,肿瘤学家依靠视觉资讯的形象组织分析以确定病变的性质。这个过程很耗时间,和错误的概率是零,在癌症的情况下,可以是致命的。通过开发数学方法对癌症诊断,我们的目标是使自动化诊断和减少错误的发生,”托马斯Iešmantas博士说,考纳斯科技大学的博士后研究员(KTU)作。

诊断乳腺癌他已经适应了胶囊神经网络方法介绍了由英国研究员杰弗里•辛顿的开国元勋之一深度学习(机器学习方法)。Iešmantas博士和他的博士后研究主管教授罗伯塔Alzbutas分析100提供的乳房组织显微镜图片波尔图大学葡萄牙。有四种类型的图片示例:癌变组织的良性肿瘤组织,非侵入性和侵袭性癌。调查的目的是设计一个数学方法分类图片提到的四种类型。

“早期的结果非常promising-we准确率达到85%,“KTU研究员作说。

他将介绍研究的结果在15国际会议对图像分析和识别在葡萄牙。Iešmantas博士说,尽管的应用数学方法近年来在医学上已经扩大,和电脑正在教诊断肺部病变,承认在淋巴结转移,本土化脑肿瘤,它不太可能是癌症诊断将成为完全自动化的在不久的将来。

“这项研究不仅在理论层面上进行的。有一些情况下,这些方法已经应用于临床实践。尽管数字化不会取代人类的判断,我相信自动化的计算机诊断将变得越来越普遍,随着时间的推移,将有助于更准确地识别和诊断某些类型的癌症,”Iešmantas博士说。