改善社会癌症护理的深度学习技术：人工智能驱动的癌症成像新方向-研究论文

本研究的目的是展示深度学习技术在癌症成像中的新兴应用。 深度学习技术是一系列计算方法，允许算法通过从展示所需行为的大量示例中学习来进行自我编程。 将深度学习技术应用于癌症成像可以帮助病理学家在癌症发展的早期阶段对其进行检测和分类，让患者获得适当的治疗，从而提高患者的存活率或康复率。 基于 ScienceDirect（科学研究来源）的数据的统计分析和其他分析方法表明，自 1990 年代后期以来，癌症成像中深度学习技术研究的急剧增加似乎是由高死亡率驱动的某些类型的癌症（例如，肺癌和乳腺癌），以便解决随之而来的问题，即更准确地检测和表征癌症类型以应用有效的抗癌疗法。 此外，本研究还展示了深度学习技术在科学学科领域、大学和这些研究领域科学产出最高的国家层面在癌症成像方面的发展轨迹来源。 根据阿马拉定律，这项新技术可以为任何癌症类型和疾病的诊断评估带来技术范式的转变。 这项新技术还可以为贫困地区带来好处，因为他们可以将数字图像发送到其他发达地区的实验室进行癌症类型的诊断，从而尽可能缩小当前不同地区之间的医疗保健差距。