模拟乳腺图解合成图像中可疑发现的多类细分使用U-Net
Yann N G da Nobrega1, Giulia Carvalhal2, João P V Teixeira1
1Federal University of Paraíba, João Pessoa, Brazil.
概括
下一代断层合成 (NGT) 使用先进的扫描来检测单个图像中的可疑发现. 这种自动化方法可以准确地识别潜在的癌症,改善乳腺成像中的早期检测.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 医疗保健中的人工智能
背景情况:
- 临床数字乳腺图解合成 (DBT) 系统在扫描灵活性方面存在局限性.
- 下一代图解合成 (NGT) 旨在通过定制扫描动作来改善检测.
- 从单个投影中识别可疑发现对于指导自适应扫描至关重要.
研究的目的:
- 开发一种自动化方法来识别容易被NGT掩盖的发现.
- 为了证明使用单个投影图像检测可疑发现的可行性.
- 为了绘制模拟乳腺组织中掩盖癌症的风险.
主要方法:
- 使用射线追踪软件模拟的NGT投影带有合成病变的幻影.
- 开发一种使用U-Net模型进行多类细分的自动化方法.
- 使用接收机操作特征 (ROC) 曲线和曲线下的面积 (AUC) 来量化模型性能.
主要成果:
- 主要脂肪组织的精确细分,平均AUC为0.93.
- 成功识别了有可疑发现的地区,最高风险类别的平均AUC为0.89.
- 在高风险地区的定义操作点实现了0.80的真正率和0.83的真负率.
结论:
- 来自NGT系统的单个投影图像可以有效地识别可疑的发现.
- 开发的自动化方法准确地预测高风险的区域掩盖癌症.
- 这种方法支持开发适应性扫描策略,以改善乳腺癌检测.
