乳がんのBモードおよび超解像度超音波ベースのBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモードおよび超解像度超音波のBモード

科学分野:

• メディカルイマージング (医学イメージング)
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 腫瘍学 腫瘍学

背景:

• Bモード超音波 (BUS) は,乳がんの診断の標準である.
• 超解像度超音波 (SRUS) は,高解像度マイクロ血管イメージングを提供し,診断の可能性を向上させます.
• 現在のSRUSの診断は,専門の音声学者に大きく依存しており,自動化されたアプローチが必要である.

研究 の 目的:

• マルチモダル乳がん診断のための信頼性の高いコンピュータ支援診断 (CAD) モデルを開発する.
• BUSとSRUSの両方のデータを活用して,診断の精度を高める.
• 新しいチャネル・ワイズ・ジョイント・デサンタングルメント・レプレゼンテーション・ラーニング (CW-JDRL) 方法を導入する.

主な方法:

• 双ブランチニューラルネットワークが設計され,BUS用のブランチとSRUSデータ用のブランチが用意されました.
• CW-JDRL方法は,グラディエント誘導解 (GD) とグラミアンベースのコントラスティヴ・ラーニング解 (GCLD) モジュールを使用して,SRUSブランチで実装されました.
• SRUS部門内のチャネルグループ化は,共通の特定のデータ特性を捕捉することを目的とした.

主要な成果:

• 提案されたCW-JDRLの双ブランチネットワークは,既存のアルゴリズムと比較して優れたパフォーマンスを示しました.
• このモデルは,外部データセットに対して,強力な汎用性を達成した.
• 実験により,SRUSと提案されたCADモデルの有効性が確認されました.

結論:

• 開発されたCADモデルは,乳がんの診断における臨床応用の有意な可能性を示しています.
• SRUS画像は乳がんの診断に有効であり,特に高度なAIと組み合わせると効果的です.
• CW-JDRL方法は,多式医療画像分析のための有望なアプローチを提供します.