發(fā)布日期：2018-05-21
一組來自考納斯科技大學(xué)（KTU）的研究人員正在開發(fā)數(shù)學(xué)方法用于診斷乳腺癌。通過使用深度學(xué)習(xí)，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(zhǔn)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(jù)WHO的數(shù)據(jù)，每年全球有超過100萬人被確診患乳腺癌。而國際醫(yī)療專業(yè)團(tuán)隊則警告這種癌癥的發(fā)病率在逐年上升，過去15年立陶宛的發(fā)病率上升了75%。
為了更好地治療病人，早期診斷是關(guān)鍵。“癌癥診斷過程中醫(yī)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(fā)生誤診，而誤診對癌癥患者而言是致命的。通過開發(fā)用于診斷的數(shù)學(xué)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(xué)習(xí)之父、英國科學(xué)家Geoffrey Hinton創(chuàng)立的神經(jīng)網(wǎng)絡(luò)方法。Iešmantas博士及其博士后合作導(dǎo)師Robertas Alzbutas教授分析了波爾圖大學(xué)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(shè)計一種數(shù)學(xué)模型用于區(qū)分以上四種組織。
“初步結(jié)果很鼓舞人心——我們的準(zhǔn)確率達(dá)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(jié)果。Iešmantas表示，盡管近年來數(shù)學(xué)方法在醫(yī)學(xué)領(lǐng)域的應(yīng)用已經(jīng)有所擴(kuò)展，研究人員也在訓(xùn)練計算機(jī)診斷肺部損傷、識別淋巴結(jié)轉(zhuǎn)移灶以及腦部腫瘤定位，但是在短期內(nèi)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(jìn)行的，一些研究中的方法已經(jīng)在臨床應(yīng)用。盡管數(shù)字化不可能取代人類判斷，但是我相信自動化計算機(jī)診斷將變得越來越常見，將幫助我們更準(zhǔn)確地診斷某些癌癥。”
參考資料：
Mathematical methods for diagnosing breast cancer
來源：生物谷
