乳腺癌诊断的两阶段分类策略使用超声波引导的扩散光学断层扫描和深度学习
Menghao Zhang1, Shuying Li2, Minghao Xue2
1Washington University in St. Louis, Department of Electrical and Systems Engineering, St. Louis, Missouri, United States.
Journal of biomedical optics
|August 28, 2023
概括
超声导向的扩散光学断层扫描 (DOT) 提供了一种快速,准确的乳腺癌诊断方法. 一种新的两阶段深度学习方法显著提高了分类准确性,有效地区分良性和恶性病变.
科学领域:
- 医学成像医学成像
- 生物医学光学 生物医学光学
- 医疗保健中的人工智能
背景情况:
- 准确和及时的乳腺癌诊断至关重要.
- 超声波 (美国) 引导的扩散光学断层扫描 (DOT) 显示了乳腺损伤分类的前景.
- 现有的方法可能缺乏实时诊断所需的速度和准确性.
研究的目的:
- 开发一个自动化,快速,准确的乳腺病变分类系统,使用美国指导的DOT.
- 提高乳腺癌检测的诊断能力.
主要方法:
- 提出了一个两阶段的深度学习分类策略.
- 阶段1:结合美国图像和DOT图谱来预测良性病变.
- 第二阶段:整合了美国特征,DOT图谱和3D DOT图像,用于最终诊断可疑病变.
主要成果:
- 这种两阶段的方法在区分良性病变和恶性病变时,实现了0.946的ROC曲线下的面积.
- 仅第一阶段就发现了73.0%的良性病例,没有图像重建.
- 提出的方法的性能优于单一模式模型和单阶段分类模型.
结论:
- 两阶段的分类策略表明,与单模和单阶段模型相比,其精度更高.
- 这种方法有可能在乳腺癌和良性病变之间几乎实时区分.
- 美国指导的深度学习的DOT在乳腺癌诊断方面提供了有前途的进步.
