通过以数据为中心的深度学习通过双视图超声波检测乳腺癌

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:

• 准确的乳腺癌诊断对于有效治疗至关重要.
• 人工智能模型在提高诊断准确度方面表现有前途.
• 双视图超声波提供了全面的成像数据.

研究的目的:

• 用双视图超声波来增强人工智能辅助的乳腺癌诊断.
• 开发和优化以数据为中心的AI模型,用于区分恶性和良性乳腺质量.
• 评估人工智能模型与放射科医生的性能,并评估其辅助能力.

主要方法:

• 基于DenseNet的AI模型是使用专有双视图乳房超声波数据集进行定制的.
• 探索了各种策略,将双视图集成到模型中.
• 人工智能模型的表现与放射科医生的表现进行了比较,并量化了人工智能协助对放射科医生的表现的影响.

主要成果:

• 最优的模型配置使用了双视图的通道智能堆叠,实现了0.9754.4的AUC.
• 人工智能模型与放射科医生相比,表现优越,特别是在特异性 (0.96对0.48).
• 人工智能帮助使放射科医生的精度提高了17%,精度提高了26%,特异性提高了29%.

结论:

• 定制的双视图AI模型在乳腺癌诊断中显著超过现有方法和放射科医生.
• 人工智能模型可以作为一个有价值的独立工具或辅助工具,增强特异性并减少不必要的活检.
• 实施这种人工智能解决方案可以减轻放射科医生的工作量,并通过更准确的诊断来改善患者的结果.