乳房图像中的胸肌切除:一种新的方法,可以提高精度和效率

科学领域:

• 医疗成像医学成像
• 计算机辅助诊断 计算机辅助诊断
• 生物医学工程 生物医学工程

背景情况:

• 准确的胸部肌肉细分对于可靠的乳房扫描乳房密度估计至关重要.
• 现有的乳房肌肉去除方法可能是计算密集且不那么准确.

研究的目的:

• 开发和评估一种新的算法,从中侧斜视 (MLO) 视图进行乳房肌肉切除.
• 将拟议方法的准确性和计算效率与现有的天秤座算法进行比较.

主要方法:

• 开发了一个胸部肌肉识别管道,涉及图像二元化,坎尼边缘检测和强大的插值.
• 该算法的性能在951名妇女的1,902次MLO乳房造影上进行了评估.

主要成果:

• 拟议的算法实现了12.22%的平均误差,明显低于Libra的20.44% (p < 0.001).
• 这种新方法的准确性提高了40%.
• 计算时间是5.4倍更快,拟议的算法每次乳房影像需要5.1秒,而天秤座需要27.7秒.

结论:

• 介绍了一种新的,高度准确和高效的算法,用于乳房肌肉切除在乳房影像中.
• 这些发现对推进计算机辅助检测和乳房镜中的自动化分析具有重大意义.