通过视觉转换器在数字乳腺图解合成中检测乳腺癌
Idan Kassis1, Dror Lederman2, Gal Ben-Arie3
1Department of Biomedical Engineering, Ben Gurion University of the Negev, Be'er-Sheva, 8410501, Israel. idankas@post.bgu.ac.il.
Scientific reports
|September 27, 2024
概括
使用Swin变压器的新计算机辅助检测 (CAD) 系统通过分析3D扫描显著提高了数字乳腺图解 (DBT) 的诊断准确性. 这种先进的AI提高了病变检测和乳腺癌诊断精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是指放射学
背景情况:
- 数字乳房显微镜 (DBT) 提供3D可视化,比2D乳房影像更好地检测病变.
- 重叠的组织和减少的病变可见性仍然是传统乳腺学中的挑战.
- 需要先进的AI系统来进一步增强DBT的诊断能力.
研究的目的:
- 开发和评估一个先进的计算机辅助检测 (CAD) 系统,使用视觉转换器进行数字乳腺图莫合成 (DBT).
- 提高DBT扫描中乳腺癌检测的诊断效率和精度.
- 评估不同视觉变压器架构和图像分辨率的性能.
主要方法:
- 使用神经网络开发了一种新的CAD系统,用于分析2D DBT切片和对3D环境进行后处理.
- 转移学习被用来训练和验证CAD框架在3,831个DBT扫描的数据集上.
- 斯温变压器架构与ResNet101和香草视觉变压器在不同的图像分辨率 (224x224和384x384) 上进行了评估.
主要成果:
- 斯温变压器在384x384分辨率下实现了0.934±0.026的高曲线下面积 (AUC),超过了其他测试的架构.
- 将图像分辨率提高到384x384显著提高了性能 (p值 = 0.0003),同时保留了图像属性.
- 该CAD系统在各种病变类型,大小和患者年龄组中表现一致.
结论:
- 拟议的基于Swin变压器的CAD系统为DBT图像分析中的诊断精度设定了新的基准.
- 该系统分析3D扫描和利用注意力机制的能力提高了病变的辨别性和诊断精度.
- 这种人工智能驱动的方法有可能显著提升乳腺癌诊断方法.
