基于AI的策略在乳腺质量≤2厘米的分类与乳房影像和断层合成
Zhenzhen Shao1, Yuxin Cai1, Yujuan Hao1
1Department of Breast Imaging, Tianjin Medical University Cancer Institute & Hospital, National Clinical Research Center for Cancer, Tianjin's Clinical Research Center for Cancer, Key Laboratory of Breast Cancer Prevention and Therapy, Tianjin Medical University, Ministry of Education, Key Laboratory of Cancer Prevention and Therapy, Tianjin, PR China.
Breast (Edinburgh, Scotland)
|September 25, 2024
概括
数字乳腺图解合成 (DBT) 改善了乳腺质量诊断,超过了数字乳房造影 (DM). 基于人工智能的深度学习模型与DBT相结合,在检测小乳腺质量方面表现出色.
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:
- 精确诊断小乳腺质量 (≤2厘米) 对于有效治疗乳腺癌至关重要.
- 数字吸乳镜 (DM) 是一种标准的成像技术,但其性能对于微妙的病变可能是有限的.
- 与DM相比,数字乳腺图解合成 (DBT) 提供了乳腺组织的更好的可视化.
研究的目的:
- 评估和比较DM,DBT及其组合的诊断性能,使用基于AI的策略对乳腺质量≤2厘米的乳腺质量进行评估和比较.
- 评估放射学和深度学习模型在将乳腺质量分类为良性或恶性的有效性.
主要方法:
- 一项回顾性研究涉及483名患者,512名乳腺质量,对146名患者进行了外部验证.
- 放射学和深度学习技术被用来提取特征和分类质量.
- 使用接收器操作特征曲线 (AUC) 下的面积来评估性能.
主要成果:
- 结合DM + DBT模型 (放射学和深度学习) 的AUC显著高于单独DM或DBT.
- 在所有成像组合 (DM,DBT,DM+DBT) 中,深度学习模型的表现优于放射学模型.
- 使用DM + DBT (0.908) 的深度学习模型实现了最高的AUC.
结论:
- 与单独的DM相比,DBT为≤2厘米的乳腺质量提供了显著的额外诊断价值.
- 基于人工智能的方法,特别是深度学习,显示出改善乳腺质量诊断的巨大潜力.
- DBT和深度学习的结合为小乳腺质量提供了卓越的诊断性能.
