实时乳腺损伤分类,结合分散光学断层扫描频率域数据和BI-RADS评估
Shuying Li1, Menghao Zhang2, Minghao Xue1
1Department of Biomedical Engineering, Washington University in St. Louis, St. Louis, Missouri, USA.
Journal of biophotonics
|March 2, 2024
概括
这项研究引入了一种新的实时乳腺癌诊断方法,该方法结合了超声波 (US) 和扩散光学断层扫描 (DOT). 这种新的方法在区分良性和恶性乳腺病变方面取得了很高的准确性.
科学领域:
- 医疗成像医学成像
- 生物医学光学 生物医学光学
- 医疗保健中的机器学习
背景情况:
- 超声波 (美国) 引导的扩散光学断层扫描 (DOT) 显示了乳腺癌诊断的前景.
- 目前的DOT限制包括数据处理速度慢和图像重建,阻碍实时应用程序.
- 准确和快速的乳腺癌诊断对于有效的患者管理至关重要.
研究的目的:
- 为乳腺癌诊断开发一个实时分类方案.
- 将扩散光学断层扫描 (DOT) 测量与乳腺成像报告和数据系统 (BI-RADS) 评估相结合.
- 提高乳腺损伤分类的速度和准确性.
主要方法:
- 开发了一个实时分类方案,结合了美国BI-RADS读数和DOT频域测量.
- 训练了一个卷积神经网络 (CNN),从DOT数据中生成恶性瘤概率得分.
- 一个支持矢量机 (SVM) 分类器将CNN衍生得分与BI-RADS评估集成为最终诊断输出.
主要成果:
- 联合US-BI-RADS和DOT方法实现了接收器操作特征曲线 (AUC) 下的面积为0.978.8.
- 该方法使用患者数据成功区分了良性和恶性乳腺病变.
- 在不需要图像重建的情况下实现了分类,大大提高了处理速度.
结论:
- 拟议的实时分类方案有效地结合了DOT和US-BI-RADS,以准确诊断乳腺癌.
- 这种方法通过消除图像重建步骤来克服传统DOT的速度限制.
- 高AUC表明了这种综合方法在快速可靠的乳腺损伤评估方面的潜力.
