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於診斷乳腺癌。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。
2014年，歐洲約有9.35萬人死於乳腺癌，其中大部分是女性（92500）。而在女性中，乳腺癌造成的死亡佔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症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博士及其博士後合作導師Robertas Alzbutas教授分析了波爾圖大學提供的一百餘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於區分以上四種組織。
“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，儘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。
“這些研究並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。儘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症。”（生物谷Bioon.com）
分享到:
閱讀更多 生物谷 的文章
