乳腺病变的检测和分类使用多种信息对比度增强的乳房造影通过多过程深度学习系统:一个多中心的研究研究
Yuqian Chen1, Zhen Hua1, Fan Lin2
1School of Information and Electronic Engineering, Shandong Technology and Business University, Yantai 264005, China.
Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|September 11, 2023
概括
一个新的AI系统准确地检测和分类使用对比增强乳房学 (CEM) 的乳房病变. 该系统显著提高了诊断效率和准确性,帮助放射科医生在早期发现乳腺癌.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 早期发现乳腺病变对于有效治疗患者至关重要.
- 增强对比度的乳房显微镜 (CEM) 是评估乳腺损伤的关键成像方式.
研究的目的:
- 开发一种全自动系统,使用CEM图像检测和分类乳腺病变.
- 评估系统对放射科医生的性能,并评估其增强放射科医生的能力的潜力.
主要方法:
- 一个多过程检测和分类系统 (MDCS) 使用来自1903名女性的CEM数据开发.
- 引入了辅助功能融合 (AFF) 算法,以结合多种图像信息类型.
- 使用AFROC-score进行检测和AUC进行分类来验证性能.
主要成果:
- MDCS实现了高的独立检测 (AFROC-Score 0.953-0.963) 和分类 (AUC 0.909-0.912) 性能.
- 与放射科医生相比,该系统显示出更高的灵敏度和特异性.
- MDCS显著减少了阅读时间 (5秒比3.2分钟),并改善了放射科医生的整体性能.
结论:
- 开发的MDCS在乳腺病变检测和分类方面表现出色.
- 该系统有效地提高了放射科医生的表现,为早期乳腺癌诊断提供了宝贵的工具.
