一种用于细分和定量分析乳腺化在乳房影像中的新方法
Yunfei Tong1, Jianrong Jiang2, Fang Chen2
1Shanghai Yanghe Huajian Artificial Intelligence Technology Co., Ltd., Shanghai, China.
Frontiers in oncology
|April 19, 2024
概括
这项研究引入了Pro_UNeXt,用于精确的乳腺化细分在乳房镜中,改善早期乳腺癌检测,并通过区分良性和恶性病变来帮助诊断.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 放射学和诊断成像学 放射学和诊断成像学
背景情况:
- 乳腺癌是一个全球性的健康威胁,通过乳房扫描进行早期检测至关重要.
- 乳腺化是关键的早期指标,但它们的小尺寸和扩散性质带来了细分挑战.
- 精确分析化有助于诊断和预后,但容易被忽视.
研究的目的:
- 开发一个高效的框架,用于细分和定量分析乳腺化在乳房影像.
- 增强放射科医生区分良性病变和恶性病变的能力,以改善患者管理.
- 创建一个用于早期发现和评估乳腺癌的自动化系统.
主要方法:
- 开发了一种新的Pro_UNeXt算法,通过用于微化检测的专用模块来增强UNeXt架构.
- 该算法结合了融合MBConv模块,多损失功能的训练和数据增强,以实现强大的细分.
- 提取了定量特征 (形态,大小,密度,分布),并用于训练机器学习分类器进行病变分类.
主要成果:
- 与UNet和UNeXt相比,Pro_UNeXt表现出优越的细分性能,在微化检测方面获得0.823的Dice分数.
- 提取的化特征使高精度恶性/良性分类成为可能,AdaBoost的AUC达到0.97.
- 该框架在公共和私人乳腺造影数据集中显示出一致和可靠的性能.
结论:
- 开发的框架提供了一个端到端的解决方案,用于精确的乳腺化细分和定量分析.
- Pro_UNeXt准确地定位了化病变,随后的分析有助于全面的恶性/良性评估.
- 这种自动化方法可以显著帮助临床医生在乳腺癌早期诊断,治疗计划和患者随访方面.
更多相关视频
11:30A Semi-Automated and Reproducible Biological-Based Method to Quantify Calcium Deposition In Vitro
Published on: June 2, 2022
2.0K
08:02Author Spotlight: Enhanced Quantification of Cardiovascular Calcification Progression for Longitudinal Micro PET/CT Studies in Small Research Animals
Published on: November 15, 2024
595
