深度学习用于对比增强型乳房学 - - 一个系统的审查
Vera Sorin1, Miri Sklair-Levy2, Benjamin S Glicksberg3
1Department of Radiology, Mayo Clinic, Rochester, MN (V.S.).
Academic radiology
|December 6, 2024
概括
深度学习 (DL) 在改善对比增强乳房显微镜 (CEM) 进行乳腺癌诊断方面表现有前途. 需要进一步的前性研究来验证DL在临床环境中的应用.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 增强对比率的乳房造影 (CEM) 通过提供解剖学和功能性乳房成像,比标准的2D乳房造影提供更高的诊断性能.
- 深度学习 (DL) 提供了一个进一步增强CEM诊断能力的机会.
研究的目的:
- 系统地审查现有的关于对比增强乳房学深度学习应用的文献.
- 探索DL模型如何增强CEM的诊断潜力.
主要方法:
- 按照PRISMA指南进行系统的文献审查,搜索MEDLINE,Scopus和谷歌学者,直到2024年4月.
- 包括最初的英语研究,评估DL算法用于自动CEM图像分析.
- 使用 QUADAS-2 标准进行包含研究的质量评估.
主要成果:
- 16项研究 (2018-2024) 主要使用卷积神经网络 (CNN) 模型.
- 对DL算法进行了评估,用于病变分类,检测和细分,在回顾性数据集上有不同的AUC (0.53-0.99).
- 具有注意力机制和与放射学相结合的模型显示了更好的分类;与放射学家的整合提高了性能.
结论:
- 深度学习有可能提高CEM的诊断精度,尽管它仍处于早期研究阶段.
- 现存的回顾性研究数量有限,突出了对各种DL算法进行更多研究的需要.
- 进一步的前性研究对于评估DL应用在实际临床环境中的性能至关重要.
关键词:
乳腺癌 乳腺癌 乳腺癌在 CEM CEM 中.在美国,CNN是CNN.增强对比度的乳房造 mammography 的使用.卷积神经网络是一种卷积神经网络.DL DL 是一个字.放射学 放射学是一门学科.更多相关视频
12:15Tissue Preparation Techniques for Contrast-Enhanced Micro Computed Tomography Imaging of Large Mammalian Cardiac Models with Chronic Disease
Published on: February 8, 2022
2.5K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
