乳腺癌多标签诊断框架基于多模式融合相互作用

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 乳房超声波图像的自动诊断具有挑战性,因为其分辨率低,识别难.
• 当前的多模融合方法往往忽略了文本病理信息,只专注于二元分类 (良性/恶性).
• 现有的诊断方法对于需要详细分级的全面临床应用是不够的.

研究的目的:

• 为乳腺癌提出一种新的多式融合交互诊断框架 (MIC).
• 实现多标签分类,包括良性恶性诊断和乳腺成像报告和数据系统 (BI-RADS) 的分级 (3, 4a, 4b, 4c, 5).
• 整合亮度模式超声波,对比度增强超声波和病理信息,以提高诊断准确度.

主要方法:

• 该MIC框架融合了亮度模式超声波,对比度增强超声波图像和病理数据.
• 它使用多模式相似性模块来捕获多模式高相似性特征.
• 交互式功能增强模块提取全球-本地和多规模的互补信息,而跨模式交互模块集成了病理学知识.

主要成果:

• 拟议的框架实现了高性能指标:98.45%的准确性,98.25%的精度,98.06%的回忆率和98.43%的F1-score.
• 实验结果证明了该框架在识别和分类乳腺癌方面的有效性.
• 与现有方法相比,多式融合方法显著提高了诊断能力.

结论:

• MIC框架为乳腺癌的自动化,多标签诊断提供了一个强大的解决方案.
• 整合各种数据模式,包括病理学,提高了诊断精度和临床实用性.
• 该框架有效地解决了当前方法在识别复杂的乳腺瘤特征方面的局限性.