通过使用基于多模式图像的深度学习分析来识别光线A乳腺癌
Menghan Liu1, Shuai Zhang2,3, Yanan Du1
1Department of Health Management, The First Affiliated Hospital of Shandong First Medical University & Shandong Engineering Laboratory for Health Management, Shandong Medicine and Health Key Laboratory of Laboratory Medicine, Shandong Provincial Qianfoshan Hospital, Jinan, China.
Frontiers in oncology
|December 4, 2023
概括
使用多模式乳腺癌图像的深度学习模型准确地识别了分子亚型. 这种方法有助于为患者进行个性化治疗计划.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 准确的乳腺癌分子亚型化对于有效的治疗选择至关重要.
- 目前的诊断方法可能在精确识别亚型方面存在局限性.
- 多模式成像为瘤特征提供了全面的视图.
研究的目的:
- 为了评估乳腺癌分子亚型化深度学习模型的诊断性能.
- 为了比较多模式成像方法与单模式技术的疗效.
- 评估人工智能在改善乳腺癌诊断方面的潜力.
主要方法:
- 对158名乳腺癌患者 (170个病变) 的回顾性分析.
- 使用了乳房扫描 (MG) 和磁共振成像 (MRI) 数据.
- 开发了一个深度学习模型 (ResNet50),集成多模式成像用于亚型识别.
主要成果:
- 多模式深度学习模型实现了0.711的准确性和0.802的曲线下的面积 (AUC) 用于Luminal A亚型的识别.
- 与单个成像方法相比,多模式方法显示出更高的准确性,灵敏度和AUC.
- 多模模型的特异性与最好的单模模型 (DCE-MRI) 相当,尽管略低于它.
结论:
- 将深度学习与多模式成像技术相结合,可显著提高乳腺癌亚型诊断.
- 这种综合方法支持针对乳腺癌患者的个性化治疗策略.
- 人工智能驱动的多模式成像代表了瘤诊断的有希望的进步.
