机器学习对乳腺癌诊断应用现状研究进展 |
| |
引用本文: | 卢峰,张开炯,吴立春,蒋叙川,冀承杰,刘靳波.机器学习对乳腺癌诊断应用现状研究进展[J].社区医学杂志,2023(24):1315-1322. |
| |
作者姓名: | 卢峰 张开炯 吴立春 蒋叙川 冀承杰 刘靳波 |
| |
作者单位: | 1. 西南医科大学附属医院医学检验部;2. 简阳市人民医院实验医学科;3. 四川省肿瘤医院.研究所四川省癌症防治中心电子科技大学附属肿瘤医院检验科 |
| |
摘 要: | 乳腺癌已经超越肺癌成为世界第一大癌症,同时也是女性患者中致死率最高的恶性肿瘤。随着乳腺癌诊疗技术的不断进步,早期乳腺癌患者的5年生存率可达95%,因此,乳腺癌早期筛查、诊断和治疗是其良好预后的关键。机器学习是人工智能(AI)领域极其重要的分支,由于计算机硬件的不断提升、深度学习算法的持续进步及海量乳腺癌临床数据的累积,使得机器学习在乳腺癌早期筛查、诊断及预后判断等领域发挥重要作用。本综述对机器学习在乳腺癌诊断领域中的研究及应用现状进行总结,以期为乳腺癌AI诊断提供新的方向和思路。以“机器学习”“深度学习”“人工智能”“乳腺癌诊断”为关键词,检索2016-01-01-2022-12-31 PubMed及中国知网相关文献。纳入标准:机器学习在乳腺癌X射线片诊断中的研究;机器学习在乳腺癌MRI诊断中的研究;机器学习在乳腺癌超声诊断中的研究;机器学习在乳腺癌病理诊断中的研究。排除标准:涉及乳腺癌AI诊断的著作、汇编及二次文献。最终纳入分析文献66篇。结果表明,机器学习在乳腺X射线片和乳腺超声领域的研究可以做到自动分割病灶、病灶特征的提取和分析,最终判别病灶的良恶性;而机器学习在乳腺MRI和乳腺...
|
关 键 词: | 乳腺癌 人工智能 机器学习 深度学习 综述文献 |
|
|