發布日期:2018-05-21
一組來自考納斯科技大學(KTU)的研究人員正在開發數學方法用于診斷乳腺癌。通過使用深度學習,研究人員試圖教會電腦識別惡性腫瘤部位,這可以將乳腺癌診斷過程部分自動化,同時提高準確率。
圖片來源:KTU
2014年,歐洲約有9.35萬人死于乳腺癌,其中大部分是女性(92500)。而在女性中,乳腺癌造成的死亡占3.7%。根據WHO的數據,每年全球有超過100萬人被確診患乳腺癌。而國際醫療專業團隊則警告這種癌癥的發病率在逐年上升,過去15年立陶宛的發病率上升了75%。
為了更好地治療病人,早期診斷是關鍵。“癌癥診斷過程中醫生通常依靠視覺信息——分析組織影像以確定病灶的惡性程度。這個過程很耗時間,而且還可能發生誤診,而誤診對癌癥患者而言是致命的。通過開發用于診斷的數學模型,我們想將診斷過程自動化,以此將誤診率降到最低。”KTU的博士后研究員Tomas Lesmantas博士說道。
為了診斷乳腺癌,他引入了一種由深度學習之父、英國科學家Geoffrey Hinton創立的神經網絡方法。Iešmantas博士及其博士后合作導師Robertas Alzbutas教授分析了波爾圖大學提供的一百余張乳腺組織的微觀圖像,包括四種:非腫瘤組織、非惡性腫瘤組織、非侵入性癌和侵入性癌。目的就是設計一種數學模型用于區分以上四種組織。
“初步結果很鼓舞人心——我們的準確率達到了85%。”KTU研究人員說道。
他將在葡萄牙舉行的15屆影像分析和識別大會上展示他們的結果。Iešmantas表示,盡管近年來數學方法在醫學領域的應用已經有所擴展,研究人員也在訓練計算機診斷肺部損傷、識別淋巴結轉移灶以及腦部腫瘤定位,但是在短期內腫瘤診斷還是不可能完全自動化的。
“這些研究并不僅僅是在理論水平進行的,一些研究中的方法已經在臨床應用。盡管數字化不可能取代人類判斷,但是我相信自動化計算機診斷將變得越來越常見,將幫助我們更準確地診斷某些癌癥。”
參考資料:
Mathematical methods for diagnosing breast cancer
來源:生物谷