医学图像辅助诊断的应用探索 基于深度学习的乳腺瘤的诊断

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 在瘤学瘤学.

背景情况:

• 早期乳腺瘤检测是具有挑战性的,因为病变的不确定性.
• 磁共振成像 (MRI) 为癌症检测提供了更高分辨率.
• 深度学习 (DL) 分析不同深度的成像特征.

研究的目的:

• 利用深度学习 (DL) 进行医学图像辅助诊断.
• 开发和评估用于乳腺瘤检测的3D CNN模型.

主要方法:

• 收集患者的MRI数据并生成含有瘤的感兴趣区域 (ROI).
• 提取和扩展的图像功能.
• 构建了一个3D CNN模型,并将其诊断性能与其他模型进行比较.

主要成果:

• 3D CNN模型展示了有效的ROI提取和乳腺瘤图像诊断.
• 在乳腺瘤中,平均诊断准确率为0.736.
• 在诊断准确度方面明显优于其他模型.

结论:

• 用2D CNN方法训练的3D CNN模型被开发用于乳腺瘤诊断.
• 该模型在ROI提取和诊断性能方面显示出高效率.
• 3D CNN是医学图像辅助乳腺瘤诊断的可行工具.