利用配对的乳腺扫描视图与深度学习进行全面的乳腺癌检测
Jae Won Seo1, Young Jae Kim2, Kwang Gi Kim3,4
1Department of Health Sciences and Technology, GAIHST, Gachon University, Incheon, 21999, Republic of Korea.
Scientific reports
|February 5, 2025
概括
一个新的算法,配对乳房镜视图基于网络 (PMVnet),通过分析配对乳房镜来改善乳房病变的检测. 这种人工智能工具提高了诊断准确度,减少了假阳性,并帮助放射科医生进行临床评估.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 标准的乳房造影利用两种视图进行全面的乳房成像.
- 目前的乳腺病变检测方法在充分利用配对乳房造影信息方面存在局限性.
- 准确检测和诊断乳腺病变对于患者的治疗结果至关重要.
研究的目的:
- 引入一种新的算法,配对的乳腺造影视图基于网络 (PMVnet),用于增强乳腺病变检测.
- 为了提高诊断准确性,利用来自配对整体乳房造影的关系信息来提高诊断准确性.
- 解决计算机辅助诊断系统中基于单视图模型的局限性.
主要方法:
- 开发了PMVnet,这是一个U形网络,集成了共弦相似性和挤压和激发,用于相关信息分析.
- 在一个由1,636张乳房图片组成的私人数据集上训练和评估PMVnet.
- 将PMVnet的性能与使用VGGnet16,Resnet50和EfficientnetB5编码器的基于单视图的模型进行比较.
主要成果:
- 通过使用VGGnet16.6,PMVnet实现了0.709的子相似系数 (DSC) 和0.950的回忆,每张图像0.156个错误阳性 (FPPI).
- 超过了单视图模型 (DSC 0.579,回忆 0.813 在 0.188 FPPI).
- 在假阳性和错过的真阳性中显著减少.
结论:
- 通过整合配对的乳房扫描信息,PMVnet有效地提高了乳房病变的检测.
- 该算法显示出在计算机辅助诊断系统中作为实际工具的潜力.
- PMVnet可以提高放射科医生的诊断准确性,从而改善患者的治疗结果.
