使用基于多式影像的深度学习模型对良性和恶性乳腺病变的差异诊断的研究
Yanan Du1, Dawei Wang2, Menghan Liu1
1Department of Health Management, The First Affiliated Hospital of Shandong First Medical University and Qianfoshan Hospital, Jinan City, Shandong Province, China.
Journal of cancer research and therapeutics
|April 30, 2024
概括
结合多种乳腺成像技术的新深度学习模型显著改善了良性和恶性病变之间的区别. 这种多模式的方法为乳腺癌检测提供了宝贵的诊断潜力.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 准确区分良性和恶性乳腺病变对于有效的患者管理和治疗计划至关重要.
- 传统的成像方法有时会在确定病变类型时面临局限性.
研究的目的:
- 开发和评估一种多式联络深度学习模型,以便更好地区分良性与恶性乳腺病变.
- 评估单个成像模式和综合多式模式方法的诊断性能.
主要方法:
- 对132名患者的临床数据,乳房镜以及各种MRI序列 (T2WI,DWI,ADC,DCE-MRI) 的回顾性分析.
- 为每个模式培训基于ResNet34的模型,并使用集体学习 (投票) 将其集成到多式模式中.
- 对诊断准确度,灵敏度,特异性和ROC/AUC分析的评估.
主要成果:
- 多模式深度学习模型的AUC为0.943,显著超过了乳房检查 (0.645) 和T2WI (0.595) 模型.
- 多模式模型显示了与DWI (0.905),ADC (0.900) 和DCE-MRI (0.865) 模型相比较的诊断能力.
- 个别的MRI序列显示出强大的诊断性能.
结论:
- 在多式乳腺成像数据上训练的深度学习模型在诊断乳腺病变方面具有显著的临床价值.
- 多种成像方法的整合提高了诊断的准确性,特别是与乳房影像等单模方法相比.
