使用深度学习来改善MRI上对乳腺癌的非系统性观察
Sarah Eskreis-Winkler1, Natsuko Onishi1,2, Katja Pinker1
1Memorial Sloan Kettering Cancer Center, Department of Radiology, New York, NY.
Journal of breast imaging
|March 1, 2024
概括
深度学习在乳房MRI扫描中准确识别含有瘤的切片,提高了放射科医生的效率. 这种人工智能工具可以帮助绕过堆叠图像的手动滚动,帮助在瘤董事会会议期间更快地审查.
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:
- 乳腺MRI对于癌症的检测和分期至关重要.
- 手动审查堆叠的乳房MRI切片可能是耗时的.
- 人工智能为优化图像分析工作流提供了潜在的解决方案.
研究的目的:
- 评估深度学习的可行性,以识别乳房MRI中含有瘤的轴切片.
- 为了评估卷积神经网络 (CNN) 对此任务的准确性.
- 量化放射科医生可能节省的时间.
主要方法:
- 对来自侵袭性乳腺癌患者的273个乳房MRI扫描进行了回顾性分析.
- 开发和培训CNN,将子图像分类为"癌症"或"没有癌症".
- 对算法的准确性,灵敏性和特异性与病理学结果的验证.
主要成果:
- 深度学习系统在一组测试中实现了92.8%的瘤检测准确度.
- 敏感度为89.5%,特异性为94.3%.
- 在没有人工智能协助的情况下,手动滚动每次需要3-45秒.
结论:
- 深度学习有效地识别了乳房MRI中含有瘤的切片.
- 这项技术可以集成到PACS中,以简化图像审查.
- 潜在的好处包括减少阅读时间和提高效率,特别是在多学科团队会议期间.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
12:23Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
Published on: August 14, 2012
14.3K
