Deep Neural Networks Improve Radiologists' Performance in Breast Cancer Screening

Abstract

Machine learning has become a burgeoning field with a wide range of applications in both academia and industry. Breast cancer may be seen as a catalyst for incorporating the field of deep learning into the facilities of medical practitioners. Although it has not yet been widely adopted, it has sparked the curiosity of scientists. Because of this, it has brought attention to how these new technologies can be used in the medical field. We show how advanced ways of analyzing medical images are changing, with a focus on global breast cancer updates. We also provide applications of deep learning in mammography. In addition, we discuss breast cancer and its effects on the world and how it motivates researchers to make innovations to fight this disease. Next, we put under scrutiny the proposed methods in the current literature that use deep learning in the field of diagnostics based on the X − ray medical imaging method. In our experience, we used convolutional neural networks as one of the basic structures for deep learning, because they are the best in image analysis, we used BreakHis data containing 7909 breast cancer micro biopsy images,benign and malignant (5429 malignant, 2480 benign), in addition, we detail all the results of Our tests in this thesis.

L’apprentissage par machine est devenu un domaine en plein essor avec un large ´eventail d’applications `a la fois dans le milieu universitaire et dans l’industrie. Le cancer du sein peut ˆetre consid´er´e comme un catalyseur pour int´egrer le domaine de l’apprentissage en profondeur dans les installations des m´edecins praticiens. Bien qu’elle ne soit pas encore largement adopt´ee, elle a suscit´e la curiosit´e des scientifiques. En cons´equence, il a mis en ´evidence l’application de ces nouvelles technologies dans le domaine m´edical. Nous donnons un aperc¸u de l’´evolution desm´ethodes avanc´ees d’analyse d’imagesm´edicales, avec un accent particulier sur les mises `a jour mondiales sur le cancer du sein. Nous fournissons ´egalement des applications d’apprentissage en profondeur en mammographie. En outre, nous discutons du cancer du sein et de ses effets sur le monde, et de la mani`ere dont il a motiv´e les chercheurs `a innover pour lutter contre cette maladie. Ensuite, nous avons examin´e les m´ethodes propos´ees dans la litt´erature actuelle qui utilisent l’apprentissage en profondeur dans le domaine du diagnostic bas´e sur la m´ethode d’imagerie m´edicale par rayons X. Dans notre exp´erience, nous avons utilis´e les r´eseaux de neurones convolutifs comme l’une des structures de base pour l’apprentissage en profondeur, car ils sont les meilleurs en analyse d’image, nous avons utilis´e les donn´ees BreakHis contenant 7909 images de micro biopsie du cancer du sein, b´enignes et malignes (5429 malignes, 2480 b´enignes) , de plus, nous d´etaillons tous les r´esultats de Nos tests dans cette th`ese.