使用磁共振成像 (MRI) 的计算机辅助检测 (CADe) 和乳腺癌细分方法

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 在瘤学瘤学.

背景情况:

• 乳腺癌仍然是一个重要的健康问题,强调了有效的早期检测方法的必要性.
• 磁共振成像 (MRI) 为检测侵入性乳腺癌提供了高灵敏度,这对于改善患者的治疗结果至关重要.
• 计算机辅助检测 (CADe) 系统通过识别可疑病变和协助放射科医生来提高MRI疗效.

研究的目的:

• 为提供当前计算机辅助检测 (CADe) 系统在乳房MRI中的全面审查.
• 分析CADe管道和细分模型的技术方面,从经典方法到深度学习.
• 在临床乳腺MRI实践中确定CADe系统的挑战和未来方向.

主要方法:

• 在乳腺MRI CADe.中对技术管道和细分模型的审查.
• 基于强度的经典方法,机器学习 (ML) 和深度学习 (DL) 架构的分析.
• 检查CADe实现与多参数MRI采集的情况.

主要成果:

• 进步范围从传统的算法到复杂的DL模型,如U-Nets.
• 目前的CADe系统面临的挑战包括可变的准确率,数据解释的复杂性和性能变化.
• 技术障碍包括图像工件和需要可解释的检测算法.

结论:

• 尽管取得了进展,但CADe系统需要更强大的,可泛化和可解释的算法来进行临床采用.
• 未来的研究应该专注于可解释的人工智能,多用途的人工智能,以及与大型语言模型集成,以加强报告.
• 标准化MRI协议和降低成本对于优化CADe系统的可访问性和临床实用性至关重要.