传统与现代对查乳房造影的方法:对比合成2D乳房造影的计算机辅助检测与数字乳房图解合成的人工智能算法
Manisha Bahl1, Ashwini Kshirsagar2, Scott Pohlman2
1Massachusetts General Hospital, 55 Fruit St, WAC 240, Boston, MA, 02114, USA. mbahl1@mgh.harvard.edu.
Breast cancer research and treatment
|January 9, 2025
概括
一个深度学习的人工智能 (AI) 算法用于3D数字乳腺图解合成 (DBT) 在检测乳腺癌方面显著超过了传统的2D计算机辅助检测 (CADe). 3D人工智能显示出更高的准确性,灵敏度和特异性,错误阳性较少.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 乳腺癌检测 乳腺癌检测
背景情况:
- 传统的计算机辅助检测 (CADe) 算法主要是为二维乳房学开发的.
- 现代人工智能 (AI) 算法提供了先进的功能,适用于二维乳房造影和数字乳房断层合成 (DBT).
- 将这些不同的算法方法的性能进行比较对于推进乳腺癌查技术至关重要.
研究的目的:
- 为了比较传统的机器学习CADe算法的诊断性能,使用合成2D乳房影像.
- 评估基于深度学习的AI算法,利用同一患者队列中的DBT图像.
- 为了确定哪种算法在检测乳腺癌方面表现出卓越的性能.
主要方法:
- 分析了764名患者的乳房扫描检查,包括106例活检证明的癌症和658例癌症阴性病例.
- 在合成2D图像上使用传统的CADe算法 (ImageChecker v10.0).
- 在DBT图像上使用深度学习AI算法 (天才AI检测v2.0).
- 根据整体案例得分计算了接收器运行特征曲线 (AUC) 下的面积.
主要成果:
- 与2D CADe算法 (0.693) 相比,3D AI算法实现了明显更高的整体AUC (0.873).
- 3D AI (94.3%) 与2D CADe (72.6%) 相比,损伤特异性敏感性显著更高.
- 与2D CADe (16.7%) 相比,3D AI (54.3%) 的特异性也得到了显著的改善,每次考试的假分率更低.
结论:
- 基于深度学习的AI应用于DBT图像,在合成2D造乳镜上表现出明显优于传统机器学习CADe的性能.
- 3D人工智能算法为乳腺癌检测提供了整体准确性 (AUC),灵敏度和特异性的改进.
- 这些发现表明,人工智能驱动的乳房扫描分析在改善癌症诊断方面取得了重大进展.
