基于图像,基于文本和多式人工智能方法的比较评估,用于自动评估乳腺密度在乳房影像中
Pilar López-Úbeda1, Teodoro Martín-Noguerol2, Félix Paulano-Godino3
1NLP department, HT Médica, Carmelo Torres n 2, 23007, Jaén, Spain.
Computer methods and programs in biomedicine
|July 25, 2024
概括
人工智能 (AI) 在乳腺密度分类方面表现有前途. 一个自然语言处理 (NLP) 模型实现了88%的准确性,超过了美国放射学学院 (ACR) 乳腺密度评估的基于图像和多模式系统.
科学领域:
- 医疗成像中的人工智能
- 自然语言处理自然语言处理.
- 多模式机器学习
背景情况:
- 人工智能对乳腺癌评估越来越感兴趣,特别是乳腺密度评估.
- 集成文本式乳腺造影报告和图像的模型的有限开发.
- 需要自动化乳腺密度分类与美国放射学学院 (ACR) 准则保持一致.
研究的目的:
- 开发基于自然语言处理 (NLP) 的AI系统,用于乳腺密度分类.
- 评估外部基于图像的AI软件用于乳腺密度评估.
- 创建一个集成图像和文本数据的多式人工智能系统,用于增强乳腺密度分类.
主要方法:
- 对比NLP模型 (TF-IDF,以变压器为基础) 在培训的1533张乳房图报告和测试的303张乳房图报告上.
- 使用303张乳腺造影图像评估了基于外部图像的软件.
- 开发和评估了结合文本和图像分析的多式联络系统.
主要成果:
- 最好的NLP模型在分类ACR乳腺密度方面达到88%的准确性.
- 基于外部图像的软件实现了75%的准确性.
- 多式联络系统实现了80%的准确性,超过了基于图像的软件,但不超过NLP模型.
结论:
- 与基于图像和多式联络系统相比,NLP模型在ACR乳腺密度分类中表现优越.
- 虽然多式联络系统没有超过NLP模型,但其在基于图像的工具上的性能改进是有希望的.
- 对乳腺密度评估中的多式联络工具进行全面研究,需要进一步的研究.
更多相关视频
15:48Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
Published on: December 15, 2014
22.5K
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
6.3K
