人工智能用于乳腺癌诊断中的超声波微流成像
Na Lae Eun1, Eunjung Lee2, Ah Young Park3
1Radiology, Gangnam Severance Hospital, Seoul, Korea (the Republic of).
Ultraschall in der Medizin (Stuttgart, Germany : 1980)
|April 9, 2024
概括
超声波微流成像 (MFI) 的人工智能 (AI) 算法显著提高了乳腺癌诊断的准确性,而不是传统方法. 这种人工智能方法可以减少可疑病变的假阳性,提高诊断信心.
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:
- 乳腺癌诊断依赖于像B模式超声波 (美国) 这样的成像技术.
- 微流成像 (MFI) 提供了血液流动的增强可视化,可能改善诊断能力.
- 当前的诊断方法在区分良性病变和恶性病变方面可能存在局限性,导致不必要的活检.
研究的目的:
- 在乳腺癌诊断中开发和评估用于超声波 (美国) 微流成像 (MFI) 的人工智能 (AI) 算法.
- 评估AI算法的诊断性能与传统的B模式US相比.
- 调查AI和B模式US的联合性能,以改善乳腺癌检测.
主要方法:
- 追溯收集了471名女性的516种乳腺病变 (364种良性,152种恶性).
- 开发使用MFI数据进行恶性瘤风险预测的深度卷积神经网络AI算法.
- 在独立的外部数据集上验证AI算法,并使用接收器操作特征曲线 (AUROC) 下的区域评估诊断性能.
主要成果:
- 人工智能算法实现了比B模式US (0.842) 高的AUROC (0.955-0.966).
- 在外部验证数据集 (0.892-0.920) 上的AI性能与测试数据集相当.
- 结合的B模式US和AI算法显示出优异的AUROC (0.963-0.972) 并显著减少了BI-RADS类别4A病变中的假阳性 (87%至13%).
结论:
- 基于AI的MFI在诊断乳腺癌方面表现优越,与B模式的美国相比.
- 人工智能与MFI的整合显著提高了诊断准确性,并减少了不必要的假阳性分类.
- 人工智能算法有望提高乳腺癌诊断的具体性,特别是对于模两可的病变.
更多相关视频
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
08:36Ultrasound Imaging-guided Intracardiac Injection to Develop a Mouse Model of Breast Cancer Brain Metastases Followed by Longitudinal MRI
Published on: March 6, 2014
18.9K
