基于深度学习的乳腺结节检测与定位——利用触觉手套
综合物理
2025-06-12 v2
摘要
乳腺癌是女性死亡的主要原因。通过触诊检查乳房是早期检测的关键。我们旨在创建一个可穿戴触觉手套，用于深度学习(DL)定位乳腺中的结节。本工作提出了一种基于柔软纤维和软穿戴触觉手套的方案，用于检测软硅胶乳腺原型(SBP)内的结节。SBP采用柔软硅胶模拟人体皮肤和乳房内侧。球形硅胶肿瘤直径为1.5厘米、1.75厘米和2.0厘米，嵌入其中以创建另一组带结节的样本。我们的方案基于InceptionTime DL架构，并在经验用户和非经验用户之间进行迁移学习。我们收集了来自10名无经验参与者和一名肿瘤科医生对SBP触诊的数据集。我们证明了DL模型在结节存在、大小和位置分类方面的准确率分别为82.22%、67.08%和62.63%。此外，我们展示了该模型对未见的经验用户适应能力，结节存在、大小和位置分类的准确率分别为95.01%、88.54%和82.98%。该技术可帮助非专业用户或医疗保健提供者，促进更频繁的常规检查。
关键词
引用
@article{arxiv.2502.15766,
title = {Reversible Imprinting and Retrieval of Quantum Information: Experimental Verification of the Quantum Memory Matrix Hypothesis},
author = {Florian Neukart and Eike Marx and Valerii Vinokur},
journal= {arXiv preprint arXiv:2502.15766},
year = {2025}
}
备注
11 pages, 2 figures