Deep Neural Networks Improve Radiologists' Performance In Breast Cancer Screening

Résumé: L’apprentissage par machine est devenu un domaine en plein essor avec un large ´eventail d’applications `a la fois dans le milieu universitaire et dans l’industrie. Le cancer du sein peut ˆetre consid´er´e comme un catalyseur pour int´egrer le domaine de l’apprentissage en profondeur dans les installations des m´edecins praticiens. Bien qu’elle ne soit pas encore largement adopt´ee, elle a suscit´e la curiosit´e des scientifiques. En cons´equence, il a mis en ´evidence l’application de ces nouvelles technologies dans le domaine m´edical. Nous donnons un aperc¸u de l’´evolution desm´ethodes avanc´ees d’analyse d’imagesm´edicales, avec un accent particulier sur les mises `a jour mondiales sur le cancer du sein. Nous fournissons ´egalement des applications d’apprentissage en profondeur en mammographie. En outre, nous discutons du cancer du sein et de ses effets sur le monde, et de la mani`ere dont il a motiv´e les chercheurs `a innover pour lutter contre cette maladie. Ensuite, nous avons examin´e les m´ethodes propos´ees dans la litt´erature actuelle qui utilisent l’apprentissage en profondeur dans le domaine du diagnostic bas´e sur la m´ethode d’imagerie m´edicale par rayons X. Dans notre exp´erience, nous avons utilis´e les r´eseaux de neurones convolutifs comme l’une des structures de base pour l’apprentissage en profondeur, car ils sont les meilleurs en analyse d’image, nous avons utilis´e les donn´ees BreakHis contenant 7909 images de micro biopsie du cancer du sein, b´enignes et malignes (5429 malignes, 2480 b´enignes) , de plus, nous d´etaillons tous les r´esultats de Nos tests dans cette th`ese.

Publié dans la revue: