Le cancer du sein est l'une des formes de cancer les plus répandues et les plus mortelles chez les femmes. La détection précoce et l'analyse correcte jouent des rôles cruciaux dans l'amélioration des résultats pour les patientes et l'augmentation des taux de survie. Cependant, les stratégies conventionnelles de dépistage et d'analyse de la plupart des cancers du sein, y compris la mammographie, l'échographie et la biopsie, peuvent être limitées par leur précision et leur spécificité, principalement en raison de la négligence des cas de lésions fines. Cet article décrit un système de détection précoce du cancer du sein, basé sur une stratégie d'apprentissage profond (DL) pour améliorer la précision de la détection du cancer du sein. Le système proposé utilise un réseau de neurones convolutionnels (CNN) entraîné sur la base de données DDSM d'images de mammographies pour traiter et classer les lésions suspectes avec une grande précision. Le modèle DL est optimisé grâce à des techniques avancées, à l'apprentissage par transfert, à l'augmentation de données et au modèle ResNet50 pour améliorer ses performances et ses capacités de généralisation. Les résultats de l'implémentation ont démontré une précision significative (98 %), en particulier dans la détection des lésions fines et des microcalcifications suspectes.
Miled et al. (Samedi) ont étudié cette question.