Wykrywanie raka piersi wspomagane sztuczną inteligencją

Rak piersi pozostaje jedną z najbardziej rozpowszechnionych i zagrażających życiu chorób dotykających kobiety na całym świecie. Wczesne i dokładne wykrywanie odgrywa kluczową rolę w poprawie wskaźników przeżywalności i kierowaniu skutecznymi strategiami leczenia. Wraz z szybkim rozwojem sztucznej inteligencji (AI) techniki uczenia maszynowego i wizji komputerowej są coraz częściej stosowane do automatyzacji procesów klasyfikacji raka piersi i segmentacji obrazu. Niniejsze badanie koncentruje się na opracowaniu inteligentnej struktury która integruje rekurencyjną eliminację cech (RFE) z klasyfikatorem maszyny wektorów nośnych (SVM) w celu zwiększenia dokładności i niezawodności wykrywania i analizy raka piersi. Wyniki eksperymentalne pokazują że połączenie technik segmentacji optymalizacji cech opartej na RFE i klasyfikacji SVM znacznie poprawia wydajność diagnostyczną w porównaniu z konwencjonalnymi podejściami uczenia maszynowego. Model osiąga wysoką dokładność precyzję i wycofanie dzięki czemu nadaje się do zastosowań klinicznych w których niezawodność ma kluczowe znaczenie.