基于超高分辨率超声波图像的诺莫格拉姆在预测良性和恶性乳腺病变方面表现优异
1Department of Medical Ultrasound, The First Affiliated Hospital of Shandong First Medical University & Shandong Provincial Qianfoshan Hospital, Jinan City, Shandong Province, People's Republic of China.
Breast cancer (Dove Medical Press)
|December 11, 2023
概括
使用3D超分辨率超声波图像的深度学习模型显著改善了乳腺病变的诊断. 集成这些图像的深度学习名录提供了卓越的预测性能,用于区分良性和恶性瘤.
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:
- 准确区分良性和恶性乳腺病变对于有效的患者管理至关重要.
- 传统的超声波成像在描述微妙的病变特征方面存在局限性.
- 深度学习 (DL) 提供了增强图像分析和诊断准确性的潜力.
研究的目的:
- 开发和评估基于深度学习 (DL) 的预测模型,使用3D超分辨率 (SR) 超声波图像来诊断乳腺病变.
- 为了比较DL模型使用原始与SR超声波图像的性能.
- 构建一个包含DL模型预测和临床因素,以提高诊断效率的诺姆图.
主要方法:
- 一项回顾性研究包括333名确诊乳腺病变的患者,随机分配到训练 (N=266) 和测试 (N=67) 组.
- 使用原始和SR超声波图像开发了八种模型 (四个DL,四个ML).
- 性能最高的模型SRMobileNet_v2被用来创建一个带有临床因素的名图,通过ROC分析,DCA和校准曲线进行评估.
主要成果:
- 基于SR超声波图像的SRMobileNet_v2模型表现出比使用原始图像的模型更好的预测性能 (AUC在训练中提高0.089,在测试中提高0.031).
- 与没有SR得分的模型相比,一个集成SRMobileNet_v2得分,瘤大小和年龄的深度学习名录显示了增强的预测效率.
- 在训练和测试队伍中,名图表表现出有利的校准,歧视和临床实用性.
结论:
- 使用3DSR超声波图像的诊断预测模型优于使用原始图像来区分良性和恶性乳腺病变的模型.
- 基于SR超声波图像的诺米图表显示出作为临床医生可靠的辅助诊断工具的希望.
- 与DL相结合的SR超声波成像具有提高乳腺损伤诊断准确性的潜力.
