一个集成的基于多模式的CAD系统用于乳腺癌诊断
Amal Sunba1,2, Maha AlShammari1,3, Afnan Almuhanna4
1Information and Computer Science Department, King Fahd University of Petroleum and Minerals, Dhahran 31261, Saudi Arabia.
Cancers
|November 27, 2024
概括
这项研究通过将患者数据与两乳房的乳房扫描图像相结合,提高了乳腺癌诊断. 整合统计和图像特征显著提高了计算机辅助诊断系统中的瘤分类准确度.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 乳腺癌仍然是妇女死亡的主要原因,需要在诊断和治疗方面取得进展.
- 计算机辅助诊断 (CAD) 系统旨在帮助医生提高乳腺瘤检测准确度.
- 现有的CAD系统通常分析有限的数据,突出需要更全面的方法.
研究的目的:
- 为了研究将患者信息与乳腺瘤分类的乳腺扫描特征结合在一起的有效性.
- 为了比较两个新的数据集成方法来提高CAD系统的性能.
- 为了评估使用双边乳房造影视图与单边视图的影响.
主要方法:
- 开发了两种组合方法:使用统计模型和CNN进行软投票,并在深度学习模型中进行特征连接.
- 使用了患者数据 (病史,乳腺密度,年龄) 和两乳房的乳房扫描特征 (CC和MLO视图).
- 在一个新的数据集上训练和评估模型,包括正常,良性和恶性乳腺瘤类别.
主要成果:
- 软投票方法在乳腺瘤分类中实现了90%的准确性.
- 在深度学习模型中将统计和基于图像的特征结合在一起,获得了93%的准确性.
- 使用两乳房的乳房显微镜和整合患者信息显著优于单侧分析和传统方法.
结论:
- 将患者信息与双边乳房扫描特征相结合,可以大大提高乳腺瘤分类准确度.
- 集统计和图像特征的深度学习模型显示了改善CAD系统的重大前景.
- 这种综合方法为乳腺癌诊断提供了更强大,更准确的方法.
