マンモグラフィの乳腺密度評価を人工知能で改善する

科学分野:

• 医療イメージングにおける人工知能
• 医療のためのコンピュータビジョン
• 放射線と診断画像

背景:

• 乳がんは世界中で女性の癌死亡の主な原因です.
• マンモグラフィは早期発見に不可欠で 乳房の密度が重要な要因です
• 現在の乳腺密度評価 (BI-RADS) は主観的で多様であり,客観的なツールが必要である.

研究 の 目的:

• 乳腺密度の客観的な分類のためのオープンソースのAI駆動コンピュータビジョンアプローチを開発し,検証する.
• 乳腺の密度を一貫した評価のために,特に資源の限られた環境で,アクセスしやすい,低コストのソリューションを作成します.
• マンモグラフィの解釈を改善することで 乳がんの早期発見を向上させる

主な方法:

• エクストリーム・ラーニング・マシン (ELM) 層と統合されたカスタム設計のコンボリューションニューラルネットワーク (CD-CNN) が開発されました.
• このモデルは,BI-RADS密度 (A-D) によって分類された10,371のフルフィールドデジタルマンモグラフィのデータセットで訓練され,テストされました.
• ミニMIASデータセットでの検証を含め,精度,感度,特異性,加重カッパを用いてパフォーマンスを評価した.

主要な成果:

• 提案されたAIモデルは,95.4%の精度,98.0%の特異性,92.5%の感度で高性能を達成した.
• 自動分類と専門家のコンセンサス (加重カッパ=0. 90) の間には強い一致が見られた.
• 独立したミニMIASデータセットで比較可能な結果が得られ,堅実性と一般化性が示された.

結論:

• 開発されたオープンソースのAIアプローチは,マンモグラフィにおける乳房密度の評価に一貫して正確な方法を提供します.
• このツールは 乳がんを早期発見する取り組みを 大きく支援する可能性を秘めています
• CD-CNNとELMの統合は,診断の一貫性を向上させるための自動化されたマンモグラフィの分析を進める.