改进数字乳房影像上的损伤体积测量

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 医疗保健中的机器学习

背景情况:

• 精确的乳腺癌病变体积测量对于预后至关重要,但在标准数字乳房造影中具有挑战性.
• 目前的数字造乳镜经历了供应商特定的转换,使得从原始扫描仪数据直接计算体积变得复杂.

研究的目的:

• 开发和验证一个模型,通过经过处理的数字乳房造影来准确估计乳腺癌病变体积.
• 为了弥合原始乳腺造影数据和常规用于体积测量的加工乳腺造影之间的差距.
• 为了提高乳腺癌预后和特征的乳房扫描的实用性.

主要方法:

• 一个基于物理的算法,用于测量原始乳房影像上的病变体积,被调整为处理的乳房影像.
• 使用深度学习图像对图像翻译模型,从经过处理的样本中生成合成原始乳房影像.
• 该方法在1778次乳房影像上得到验证,通过不同视图,合成与真实原始数据以及乳房影像与MRI进行了病变体积的比较.

主要成果:

• 从不同的乳腺扫描视图计算的损伤体积显示出高相关性 (皮尔森r=0.93).
• 来自合成原始数据的数量与来自真实原始数据的数量非常接近 (Pearson r=0.998).
• 乳房影像和MRI损伤体积之间的一致性很好 (一致性为ICC 0.81,绝对一致性为0.78).

结论:

• 成功开发了一种可靠和有效的算法,用于测量乳房扫描损伤体积.
• 与MRI相比,该算法表现出卓越的可靠性和良好的有效性,表明其临床实用性.
• 这种方法有望通过使用乳房影像改善病变特征和乳腺癌预后.