根据《科学报告》发表的一项研究Detecting and classifying lesions in mammograms with Deep Learning，广泛应用于检测图像中目标的深度学习人工智能可以改善早期乳腺癌检测。

深度学习是机器学习的一个分支。其网络受生物大脑，例如人类或动物的大脑，如何工作的知识的启发，。深度学习网络从人类注释过的数据集中“学习”，从而达到类似于人类的图像识别能力。

基于目前最先进的深度学习，Dezso Ribli和同事们提出了一种改进的计算机辅助检测（CAD）系统，可以被训练用于乳房病变的检测与定位。在过去的20年中，CAD系统一直被用于辅助放射科医生检测乳腺癌：分析乳房X光照片、标记可疑区域随后由放射科医生审查。然而，使用这些技术的费用很昂贵（在美国每年花费4亿美元），而且收效却仍存在争议。

作者当使用一套含有115例确诊癌症患者的乳房X光照片（每例使用4张图像中的2张）的数据库进行测试时，作者的改进的CAD系统在没有人工干预的情况下识别出90%的恶性病变，且假阳性极少。现有的筛查方法在包括放射科医生的判断下，癌症识别的正确率为77-87%。

这些发现意味着，昂贵的传统CAD法可能会被比较便宜的深度学习方法所取代，帮助放射科医生发现更多癌症，目前深度学习被用来在传统图像中识别物体，比如狗和猫。然而，作者指出，目前为止，他们只在小的确诊的癌症图像数据集上测试过他们的方法。（来源：科学网）