乳房X光攝影技術(shù)需要減少乳腺癌死亡率是一個普遍認為的事實。與替代篩查涉及的假陽性低解任親率減緩了IBM、麻省理工學(xué)院計算機科學(xué)與人工智能實驗室等機構(gòu)對人工智能驅(qū)動系統(tǒng)的研發(fā)。但它們并不極致，因為與更好最近的測試比起，大多數(shù)模型只展開過一次單一的檢驗測試。

這一缺失促成紐約大學(xué)數(shù)據(jù)科學(xué)中心和放射線學(xué)系的一組研究人員明確提出了一個機器學(xué)習(xí)框架，即篩查先前檢查時分解的有所不同種類乳房X光照片，利用先前的檢查結(jié)果作出臨床。他們說道，在可行性測試中，它減少了基線（基線就是被常以對比模型展現(xiàn)出參考點的非常簡單模型。

基線協(xié)助模型開發(fā)者分析模型在特定問題上的預(yù)期展現(xiàn)出）的錯誤率，并在預(yù)測篩查人群的惡性腫瘤時，超過了0．8664的曲線下面積（在所有分類閾值下的性能指標，即預(yù)測的準確率）。年出版者寫到：“放射科醫(yī)生常常將目前的乳房X光照片與之前的照片展開較為，以便作出更加明智的臨床。例如，如果一個懷疑的區(qū)域隨著時間的流逝顯得更加大或密度更加大，放射科醫(yī)生就不會更為相信它是惡性的。

忽略，如果一個懷疑的區(qū)域沒快速增長，那么它有可能是良性的。”該團隊在紐約大學(xué)開源乳腺癌篩查數(shù)據(jù)集上訓(xùn)練了一組機器學(xué)習(xí)模型，每組篩查中最少包括一張圖像，對應(yīng)于乳房X光攝影篩查中常用的四種視圖（右顱尾側(cè)、左顱尾側(cè)、右中外側(cè)斜肌和左中外側(cè)斜肌）。他們用于了四種二元標簽來回應(yīng)左乳或右乳有無良、惡性的找到，并且只考慮到了還包括患者在內(nèi)的數(shù)據(jù)集的子集，而這些數(shù)據(jù)集之前的檢查數(shù)據(jù)都是可取得的。

本文來源：j9.com-m.cn-yipin.cn