在使用级联卷积神经网络的自动三维乳房超声波中进行质量检测
Sepideh Barekatrezaei1, Ehsan Kozegar2, Masoumeh Salamati3
1School of Computer Engineering, Iran University of Science and Technology, Tehran, Iran.
概括
这项研究引入了一种自动计算机辅助检测 (CADe) 系统,用于在3D自动乳房超声波 (3-D ABUS) 图像中识别乳腺癌质量. 这种新的系统实现了高灵敏度,并减少了假阳性,帮助放射科医生在早期癌症检测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 早期发现乳腺癌可显著降低死亡率.
- 三维自动乳房超声波 (3-D ABUS) 有助于诊断,但需要放射科医生的广泛审查.
- 计算机辅助检测 (CADe) 系统对于协助放射科医生进行大规模识别至关重要.
研究的目的:
- 提出一种新的CADe系统,用于3D ABUS图像中的自动化质量检测.
- 为了提高乳腺癌查的效率和准确性,使用3-D ABUS.
- 为了减少放射科医生对3D ABUS数据的解释时间和错误的可能性.
主要方法:
- 一个新的CADe系统使用两个级联卷积神经网络 (CNN).
- 在编码器中使用了改进的3D U-Net架构,并修改了编码器中的Inception模块.
- 在第二个CNN的跳过连接中整合了注意力单元,以增强突出映射.
主要成果:
- 该系统在60个3-D ABUS卷的数据集上实现了91.48%的灵敏度.
- 平均每名患者的虚假阳性率为8.85.
- 在3D ABUS图像中检测质量时,CADe系统表现出高性能.
结论:
- 开发的质量检测系统是完全自动化的,不需要用户交互.
- CADe系统的灵敏度和平均错误阳性率超过了竞争技术的灵敏度.
- 这种自动化系统显着有望通过3D ABUS.改善乳腺癌查.
