为了增强临床应用,在乳房图像中实现自动化语义细分
Cesar A Sierra-Franco1, Jan Hurtado2, Victor de A Thomaz1
1Tecgraf Institute and Department of Informatics, Pontifical Catholic University of Rio de Janeiro, Rio de Janeiro, RJ, Brazil.
Journal of imaging informatics in medicine
|December 11, 2024
概括
这项研究引入了一个深度学习框架,用于对乳房影像中的关键解剖结构进行细分,为此任务创建了最大的数据集. 该框架使自动化临床应用程序能够改善乳腺癌的检测和诊断.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 乳房摄影对于检测不可触摸的乳腺病变至关重要,有助于早期发现癌症.
- 计算机辅助检测 (CAD) 系统自动化地标细分,以改善异常局部化和图像质量评估.
研究的目的:
- 提出一个深度学习框架,用于对乳头,乳房肌肉,纤维腺体和脂肪组织在乳房镜中的细分.
- 引入最大的数据集用于乳房扫描细分,以训练深度学习模型.
- 展示该框架在临床整合和多种应用方面的潜力.
主要方法:
- 开发了一个基于深度学习的框架,用于乳房学中的解剖结构的语义细分.
- 利用最大的专用数据集用于乳房扫描细分训练和评估模型.
- 将四个语义细分架构进行比较,以评估合适性和灵活性.
主要成果:
- 在多样化和具有挑战性的乳房造影病例中实现了强大的细分性能.
- 证明了多个深度学习架构对于乳房图片细分的适用性.
- 开发了衍生应用,包括损伤登记,密度测量和质量评估.
结论:
- 深度学习框架提供了对关键乳房学结构的有效细分.
- 开发的数据集和框架支持计算机辅助乳腺癌检测方面的进展.
- 衍生应用显示了提高乳腺癌查和诊断的临床工作流程的潜力.
