莫斯科人民友谊大学（RUDN University）数学家团队成功开发出一种前沿的人工智能（AI）模型，能够以近乎100%的准确率在组织学样本中识别乳腺癌。通过引入注意力机制模块，该突破性模型显著提高了在图像中定位关键特征和感兴趣区域的能力。这一开创性研究结果发表在科学期刊《Life》上。
早期发现乳腺癌对改善患者预后和整体治疗效果至关重要。然而，目前诊断的黄金标准组织学检查容易受到主观解释和样本质量的变异性影响，从而导致可能的不准确性和误诊。为了应对这些挑战，数学家跨学科团队与中国和沙特阿拉伯的专家合作，设计了一种能够提高组织学图像中癌症识别准确性的AI模型。
“在提高诊断准确性和减轻医疗专业人员负担方面，基于计算机的组织学图像分类和分析的实施至关重要，”莫斯科人民友谊大学科学中心无线5G网络建模主任阿马尔·穆塔纳博士（Dr. Ammar Muthanna）说道。
数学家们对多种卷积神经网络进行了严格测试，并通过特别设计的注意力模块对其进行增强，以检测图像中的物体。最终的模型将DenseNet211卷积网络与注意力模块结合，实现了惊人的99.6%准确率。值得注意的是，研究人员观察到图像的规模对癌症形态识别有显著影响，强调了在真实应用中进一步考虑适当图像逼近的必要性。
穆塔纳博士强调了在医学图像分析中注意力机制的重要性，因为它们能够增强特征提取和整体模型性能。注意力模块使AI模型能够聚焦图像中的相关区域并提取关键信息，从而革新了医学图像的分析方法。
这项人工智能技术的突破具有颠覆性的潜力，可以彻底改变乳腺癌诊断，并显著改善患者预后。通过减少对主观解释的依赖并提高准确性，该AI模型有望改变医学影像领域，推动乳腺癌的早期发现和治疗。
The source of the article is from the blog karacasanime.com.ve