在乳腺MRI中基于深度学习的乳腺癌诊断:系统审查和元分析
Kamarul Amin Abdullah1,2, Sara Marziali1,3, Muzna Nanaa1
1Department of Radiology, University of Cambridge School of Clinical Medicine, Cambridge Biomedical Campus, Cambridge, UK.
European radiology
|February 5, 2025
概括
深度学习 (DL) 模型显示了使用MRI进行乳腺癌诊断的高性能. 持续评估对于临床应用至关重要,因为模型训练大小会影响准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌的诊断在很大程度上依赖于MRI解释.
- 深度学习 (DL) 提供了提高诊断准确性的潜力.
- 在DL模型性能中的变量需要严格的评估.
研究的目的:
- 评估深度学习 (DL) 模型在使用MRI检测乳腺癌的诊断性能.
- 综合关于DL模型在乳腺MRI解释中的准确性的证据.
主要方法:
- 从2015年1月到2024年2月,在主要科学数据库 (Web of Science,PubMed,IEEE Xplore) 进行了系统的文献搜索.
- 包括的研究的质量评估是使用QUADAS-2工具和MAIC-10检查清单进行的.
- 进行了一项元分析,以计算DL模型曲线下的面积 (AUC),灵敏度和特异性的聚合估计.
主要成果:
- 确定了40项研究,其中21项纳入了定量元分析.
- 卷积神经网络 (CNN) 是占主导地位的DL模型类型 (62.5%).
- 聚合的诊断准确度指标很高:AUC=0.90,灵敏度=88%,特异性=90%.
结论:
- 深度学习模型展示了通过MRI准确诊断乳腺癌的巨大潜力.
- 模型性能受到训练数据集大小等因素的影响,影响可靠性.
- 进一步的细化和验证对于将DL纳入常规临床实践至关重要.
