夸梅·恩克鲁玛科技大学（Kwame Nkrumah University of Science and Technology, KNUST）库马西校区的研究人员与合作机构共同开发了一种有前景的人工智能（AI）模型，该模型可以显著提高乳腺癌诊断的准确性和可及性。这项创新对于医疗资源有限的环境尤为重要，在这些环境中，医学专家和诊断基础设施可能不足。
该项目由博士候选人Albert Dede领导，旨在解决医学成像中的一个关键挑战：如何有效分析用于癌症检测的大尺寸、高分辨率病理图像。病理切片是组织样本的显微镜图像，在癌症诊断中起着至关重要的作用。然而，由于其大小和复杂性，这些图像对于人类专家和传统AI系统来说都难以准确解读。重要的诊断特征，如癌细胞的细微形状和大小变化，很容易被忽略。
为了解决这个问题，研究人员结合了两种先进的AI技术。第一种是小波分析，它将图像分解成更小、更易管理的部分，同时保留关键细节。第二种是可变形卷积，使模型能够适应细胞形状和结构的变化，从而进行更灵活和响应性的分析，类似于训练有素的病理学家在视觉扫描切片时关注特定区域的方式。
该AI模型使用BreaKHis数据集进行了测试，这是一个广泛使用的乳腺癌图像分类基准数据集。在图像级别上，该模型达到了96.47%的诊断准确性，在患者级别上达到了96.55%的诊断准确性。值得注意的是，该模型在分析高倍放大（200×）的图像时表现尤为出色，这些图像是最需要精细组织细节的。
该模型的一个重要特点是计算需求相对较低，这使其在缺乏高端计算资源或专业人员的医院和诊断中心中更具可行性。“这种方法不仅提高了诊断准确性，还使技术在资源不足的医疗环境中更加可行。”研究人员指出。
该研究题为“基于小波增强的可变形卷积网络在高分辨率病理图像中对乳腺癌进行分类”，已发表在《应用智能》杂志上。
(全文结束)
