强大的跨供应商乳房造影纹理模型使用基于增强的域适应来长期预防乳腺癌风险
Andreas D Lauritzen1, My Catarina von Euler-Chelpin2, Elsebeth Lynge2
1University of Copenhagen, Department of Computer Science, Faculty of Science, Copenhagen, Denmark.
Journal of medical imaging (Bellingham, Wash.)
|October 2, 2023
概括
一个新的乳腺造影纹理模型准确地评估了不同供应商的长期乳腺癌风险. 该模型识别了高风险群体,有可能提高乳腺癌的早期检测和查效率.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 生物统计学 生物统计学
背景情况:
- 风险分层的乳腺癌查旨在提高早期检测和效率.
- 目前的乳房造影风险模型难以跨供应商适应,主要基于癌症前体来评估短期风险.
- 需要强大的模型,可以评估长期的乳腺癌风险,并在不同的成像设备上进行概括.
研究的目的:
- 开发和验证跨供应商的乳腺造影纹理模型,以评估长期乳腺癌风险.
- 提高风险模型在不同乳房造影供应商的适应性.
- 确定具有临床意义的乳腺癌长期发展高风险的女性子组.
主要方法:
- 在病例控制数据集上训练了一种纹理模型,不包括恶性样本,以关注未来的风险.
- 使用基于增强的域调整技术 ("调味") 来确保跨供应商域的通用化.
- 该模型在大批丹麦和荷兰妇女中得到验证,评估间隔癌症 (IC) 和长期癌症 (LTC) 的表现.
主要成果:
- 纹理模型在不同供应商领域 (西门子和Hologic) 展示了强大的性能.
- 在丹麦女性中,该模型的AUC为IC的0.71和LTC的0.65.
- 将纹理模型与已确定的风险因素相结合,改善了LTCs的AUC,达到0.68,而前10%的高风险组占癌症的25%左右.
结论:
- 开发的乳腺造影纹理模型有效估计了长期的乳腺癌风险.
- 该模型展示了对未见的处理供应商域的稳定性和适应性.
- 该模型成功地确定了临床相关的高风险子组,支持有针对性的查策略.
