基于的人工智能对乳腺瘤超声数据的验证

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:

• 人工智能 (AI) 越来越多地用于通过超声波 (美国) 诊断乳腺癌 (BCa).
• 美国探测器频率对人工智能诊断准确性的影响仍然不清楚.

研究的目的:

• 调查不同的美国探针频率如何影响AI在乳腺查中的诊断效果.
• 评估在BCa检测中US探头频率,图像和AI性能之间的关系.

主要方法:

• 使用不同频率的US探头 (L14,L9,L13,L7) 来获取乳房US视频.
• 应用基于的深度学习方法来分析视频和评估AI性能.
• 测量了跨频率的平均2D图像 (2-DIE) 和AI诊断效率 (AUC).

主要成果:

• 与L9相比,L14观察到更高的平均2DIE,与L7.7相比,L13观察到更高的平均2DIE.
• 人工智能诊断性能 (AUC) 在L9 (0.849) 与L14 (0.784) 和L13 (0.920) 与L7 (0.887) 相比更好.

结论:

• 美国探针频率显著影响AI驱动的BCa诊断结果.
• 具有较高平均2-DIE数据集与增强的AI诊断性能相关.
• 强调探针频率选择优化AI在乳腺癌查和诊断.