DFMFI: método de detección de cáncer de mama por ultrasonido basado en un modelo dinámico de interacción de...

Área de la Ciencia:

• Imagenología médica
• Inteligencia artificial
• Oncología

Sus antecedentes:

• El ultrasonido es una herramienta clave de cribado de cáncer de mama debido a su seguridad y rentabilidad.
• Los desafíos en la imagenología por ultrasonido incluyen el ruido de moteado y la variabilidad de las lesiones, lo que dificulta el diagnóstico asistido por computadora tradicional.
• La diferenciación precisa de las lesiones mamarias benignas y malignas es crucial para el manejo eficaz de los pacientes.

Objetivo del estudio:

• Desarrollar un modelo avanzado de IA para mejorar la detección de cánceres de mama benignos y malignos en imágenes de ultrasonido.
• Abordar las limitaciones de los sistemas de diagnóstico asistido por computadora existentes en el manejo de datos complejos de ultrasonido.
• Mejorar la precisión y la robustez del cribado de cáncer de mama utilizando IA.

Principales métodos:

• Se propuso un Modelo Dinámico de Interacción de Características Multiescala de Fusión Dinámica (DFMFI) para la detección de cáncer de mama.
• Se implementaron mecanismos dinámicos de fusión de características, agregación de características multiescala e interacción dinámica no lineal.
• Se utilizó un mezclador de características dinámicas con atención y convolución, un agregador de características multiescala eficiente y una red de alimentación con compuerta dinámica.

Principales resultados:

• DFMFI demostró una precisión de clasificación superior en comparación con los métodos existentes.
• El modelo mostró mejoras significativas en la robustez para la detección de cáncer de mama.
• DFMFI logró una alta eficiencia computacional, lo que lo hace adecuado para aplicaciones de cribado prácticas.

Conclusiones:

• El modelo DFMFI proporciona una solución eficaz y robusta para la detección de cáncer de mama benigno y maligno en imágenes de ultrasonido.
• Este enfoque impulsado por IA mejora las capacidades de cribado y diagnóstico temprano.
• El modelo propuesto aborda los desafíos clave en el análisis de datos complejos de ultrasonido para el diagnóstico de cáncer de mama.