基于深度学习的超声波在乳腺癌诊断中的计算机辅助检测:系统性审查和元分析
1Department of Ultrasound, Changzheng Hospital, Naval Medical University (Second Medical University), No.415, Fengyang Rd, Shanghai, China.
Clinical radiology
|August 31, 2024
概括
深度学习 (DL) 结合超声波显示乳腺癌诊断的高准确性. 将DL与多模超声波融合,比单独的B模式超声波提供更高的诊断性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌的诊断依赖于成像技术.
- 深度学习 (DL) 为医学图像分析提供了潜在的进步.
- 超声波是用于评估乳腺损伤的广泛使用的成像方法.
研究的目的:
- 评估深度学习 (DL) 和超声波在乳腺癌检测中的诊断性能.
- 为了比较使用B模式与多模式超声波的DL性能.
- 评估DL在辅助乳腺癌诊断中的作用.
主要方法:
- 从MEDLINE和EMBASE发布的2017年1月至2023年7月期间发表的研究的元分析.
- 使用QUADAS-2和放射学质量评分 (RQS) 进行质量评估.
- 使用R软件进行的元分析,包括SROC曲线,灵敏度,特异性和AUC计算.
主要成果:
- 分析包括了20项研究,涉及14955例病例.
- 总的综合灵敏度,特异性和AUC分别为0.93,0.90和0.732.
- 与B模式子组 (AUC 0.642) 相比,多模式超声波子组显示出更高的性能 (AUC 0.787).
结论:
- 与超声波集成的深度学习可以实现乳腺癌诊断的高准确性.
- DL和多模式乳房超声波的融合显示出卓越的诊断效果.
- 增强DL多式超声波是改善乳腺癌检测的有希望的工具.
