El cáncer de mama se forma en las células mamarias y se considera un tipo de cáncer muy frecuente en las mujeres. El cáncer de mama es también una enfermedad que amenaza la vida de las mujeres después del cáncer de pulmón. En este estudio se propone un método de red neuronal convolucional (CNN) para potenciar la identificación automática del cáncer de mama mediante el análisis de zonas de tejido de carcinoma ductal hostil en imágenes de diapositivas completas (WSI). El artículo investiga el sistema propuesto que utiliza varias arquitecturas de redes neuronales convolucionales (CNN) para detectar automáticamente el cáncer de mama, comparando los resultados con los de los algoritmos de aprendizaje automático (ML). Todas las arquitecturas se guiaron por un gran conjunto de datos de unos 275.000 parches de imagen RGB de 50 × 50 píxeles. Se realizaron pruebas de validación de los resultados cuantitativos utilizando las medidas de rendimiento de cada metodología. El sistema propuesto ha demostrado su eficacia y ha obtenido resultados con una precisión del 87
lo que podría reducir los errores humanos en el proceso de diagnóstico. Además, nuestro sistema propuesto alcanza una precisión superior a la del 78
de los algoritmos de aprendizaje automático. Por tanto, el sistema propuesto mejora la precisión en un 9
por encima de los resultados de los algoritmos de aprendizaje automático (ML).
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
FieldTrip: Software de código abierto para el análisis avanzado de datos MEG, EEG y electrofisiológicos invasivos
Artículo:
Decodificación de un solo ensayo de la percepción biestable basada en la descomposición tensorial no negativa dispersa
Artículo:
Imágenes de inspección de soldaduras TOFD ultrasónicas multiframa basadas en la transformada Wavelet y el registro de imágenes
Artículo:
Síntesis y caracterización de nanopartículas de magnetita-alginato para mejorar la adsorción de iones de níquel y cobalto en aguas residuales
Artículo:
Sensores resistivos basados en Sb-SnO2-Nanosized para la detección de NO2
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala