Cancer is a fatal disease caused due to the undesirable spread of cells. Breast carcinoma is the most invasive tumors and is the main reason for cancer deaths in females. Therefore, early diagnosis and prognosis have become necessary to increase survivability and reduce death rates in the long run. New artificial intelligence technologies are assisting radiologists in medical image scrutiny, thereby improving cancer patients’ status. This survey enrolls peer-reviewed, newly developed computer-aided diagnosis (CAD) systems implementing machine learning (ML) and deep learning (DL) techniques for diagnosing breast carcinoma, compares them with previously established methods, and provides technical details with the pros and cons for each model. We also discuss some open issues, research gaps, and future research directions for the advanced CAD models in medical image analysis. Over the past decade, machine learning and deep learning have emerged as a subfield of artificial intelligence (AI), whose healthcare industry applications have provided excellent results with reduced cost and improved efficiency. This survey analyzes different classifiers of machine learning and deep learning approaches for breast cancer diagnosis. Results from previous studies proved that deep learning outperforms conventional machine learning for diagnosing breast carcinoma when the dataset is broad. Research gaps from the recent studies depict that practical and scientific research is an urgent necessity for improving healthcare in the long run.

癌症是由于细胞不良扩散而引起的致命疾病。乳腺癌是最具侵入性的肿瘤，是女性癌症死亡的主要原因。因此，从长远来看，早期诊断和预后已成为增加生存能力和降低死亡率的必要条件。新的人工智能技术正在协助放射科医生进行医学图像检查，从而改善癌症患者的状况。这项调查纳入了经过同行评审的，新开发的计算机辅助诊断（CAD）系统，该系统实施了用于诊断乳腺癌的机器学习（ML）和深度学习（DL）技术，将它们与以前建立的方法进行了比较，并向专家和专家提供了技术细节每个模型的缺点。我们还将讨论一些未解决的问题，研究差距，医学图像分析中的高级CAD模型的研究和未来的研究方向。在过去的十年中，机器学习和深度学习已成为人工智能（AI）的一个子领域，其在医疗保健行业的应用已以降低的成本和提高的效率提供了出色的成果。这项调查分析了机器学习和深度学习方法在乳腺癌诊断中的不同分类。先前研究的结果证明，当数据集很广时，深度学习优于传统的机器学习来诊断乳腺癌。近期研究的研究差距表明，从长远来看，实践和科学研究是改善医疗保健的迫切必要。机器学习和深度学习已成为人工智能（AI）的一个子领域，其在医疗保健行业的应用已以降低的成本和更高的效率提供了出色的成果。这项调查分析了机器学习和深度学习方法在乳腺癌诊断中的不同分类。先前研究的结果证明，当数据集很广时，深度学习优于传统的机器学习来诊断乳腺癌。近期研究的研究差距表明，从长远来看，实践和科学研究是改善医疗保健的迫切必要。机器学习和深度学习已成为人工智能（AI）的一个子领域，其在医疗保健行业的应用已以降低的成本和更高的效率提供了出色的成果。这项调查分析了机器学习和深度学习方法在乳腺癌诊断中的不同分类。先前研究的结果证明，当数据集很广时，深度学习优于传统的机器学习来诊断乳腺癌。近期研究的研究差距表明，从长远来看，实践和科学研究是改善医疗保健的迫切必要。这项调查分析了机器学习和深度学习方法在乳腺癌诊断中的不同分类。先前研究的结果证明，当数据集很广时，深度学习优于传统的机器学习来诊断乳腺癌。近期研究的研究差距表明，从长远来看，实践和科学研究是改善医疗保健的迫切必要。这项调查分析了机器学习和深度学习方法在乳腺癌诊断中的不同分类。先前研究的结果证明，当数据集很广时，深度学习优于传统的机器学习来诊断乳腺癌。近期研究的研究差距表明，从长远来看，实践和科学研究是改善医疗保健的迫切必要。