Détection du cancer du sein grâce à l'intelligence artificielle

Le cancer du sein reste l'une des maladies les plus répandues et les plus mortelles chez les femmes du monde entier. Une détection précoce et précise joue un rôle crucial dans l'amélioration des taux de survie et dans l'orientation de stratégies de traitement efficaces. Avec les progrès rapides de l'intelligence artificielle (IA), les techniques d'apprentissage automatique et de vision par ordinateur sont de plus en plus appliquées pour automatiser les processus de classification du cancer du sein et de segmentation des images. Cette étude se concentre sur le développement d'un cadre intelligent qui intègre l'élimination récursive des caractéristiques (RFE) avec une machine à vecteur de support (SVM) pour améliorer la précision et la fiabilité de la détection et de l'analyse du cancer du sein. Les résultats expérimentaux démontrent que la combinaison des techniques de segmentation, de l'optimisation des caractéristiques basée sur la RFE et de la classification SVM améliore de manière significative les performances diagnostiques par rapport aux approches conventionnelles de l'apprentissage automatique. Le modèle atteint des niveaux élevés d'exactitude, de précision et de rappel, ce qui le rend adapté aux applications cliniques où la fiabilité est essentielle.

Autorentext

Dr Saravanan Kaliyaperumal, professeur, département d'informatique, Saveetha School of Engineering, SIMATS, Chennai. 26 ans d'enseignement, 3 ans d'expérience dans l'industrie.Dr Kathirvel Ayyaswamy, professeur, département d'informatique, Saveetha Engineering College. Plus de 27 ans dans l'enseignement et la direction académique.

Klappentext

Le cancer du sein reste l'une des maladies les plus répandues et les plus mortelles chez les femmes du monde entier. Une détection précoce et précise joue un rôle crucial dans l'amélioration des taux de survie et dans l'orientation de stratégies de traitement efficaces. Avec les progrès rapides de l'intelligence artificielle (IA), les techniques d'apprentissage automatique et de vision par ordinateur sont de plus en plus appliquées pour automatiser les processus de classification du cancer du sein et de segmentation des images. Cette étude se concentre sur le développement d'un cadre intelligent qui intègre l'élimination récursive des caractéristiques (RFE) avec une machine à vecteur de support (SVM) pour améliorer la précision et la fiabilité de la détection et de l'analyse du cancer du sein. Les résultats expérimentaux démontrent que la combinaison des techniques de segmentation, de l'optimisation des caractéristiques basée sur la RFE et de la classification SVM améliore de manière significative les performances diagnostiques par rapport aux approches conventionnelles de l'apprentissage automatique. Le modèle atteint des niveaux élevés d'exactitude, de précision et de rappel, ce qui le rend adapté aux applications cliniques où la fiabilité est essentielle.