相关实验视频
Updated: Jul 2, 2025
05:44
Ultrasonographic Evaluation of Breast Cancer-related Lymphedema
Published on: January 12, 2017
10.0K
深度学习在乳腺癌视频超声波中的诊断性能:一项回顾性多中心研究
Jing Chen1, Zhibin Huang2, Yitao Jiang3
1Ultrasound Department, The Second Clinical Medical College, Jinan University, The First Affiliated Hospital, Southern University of Science and Technology, Shenzhen People's Hospital, Shenzhen, Guangdong, China.
Ultrasound in medicine & biology
|February 18, 2024
概括
使用视频超声数据的新深度学习框架显著提高了乳腺癌查准确度. 移动网络视频模型实现了92.5%的准确性,超过了人类专家和基于图像的AI模型.
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:
- 超声波是一种常见的乳腺癌查工具,但其准确性受到操作者依赖性的限制.
- 自动化的深度学习方法显示出改善诊断准确性的前景.
研究的目的:
- 开发和评估用于乳腺癌查的自动深度学习框架,使用基于视频的超声波数据.
- 将基于视频的模型与基于图像的模型和人类专家的性能进行比较.
主要方法:
- 开发了一个使用DenseNet121,MobileNet和Xception骨干的深度学习框架.
- 在3907名患者的超声波数据上训练和评估模型,使用视频和图像输入.
- 通过直接的模型评估和涉及人类专家的读者研究来评估性能.
主要成果:
- 移动网络视频模型在前性测试中实现了0.961的接收器操作特征曲线 (AUROC) 下的面积.
- 在现实世界的测试中,MobileNet视频模型显示了92.59%的准确性,超过了人类专家 (76.00%-85.60%) 和其他AI模型.
- 基于视频的模型,特别是MobileNet,在所有关键性能指标 (精度,灵敏度,特异性,F1分数,AUC) 中都超过了基于图像的模型.
结论:
- 使用视频超声数据开发的AI框架实现了比基于图像的模型更高水平的诊断专业知识.
- 这种基于视频的自动深度学习方法显示出有很大的潜力,可以帮助诊断乳腺癌,特别是在资源有限的环境中,并解决经验丰富的专家短缺问题.
