在缺乏监督的情况下进行群体学习,可以在磁共振成像中自动检测乳腺癌
Oliver Lester Saldanha1,2, Jiefu Zhu1, Gustav Müller-Franzes2
1Else Kroener Fresenius Center for Digital Health, Medical Faculty Carl Gustav Carus, Technical University Dresden, Dresden, Germany.
Communications medicine
|February 6, 2025
概括
人工智能 (AI) 可以帮助分析乳腺癌查数据的增加. 这项研究表明,将弱监督学习与群体学习 (SL) 结合起来,可以在机构之间进行有效的AI模型培训,而无需共享敏感患者数据.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 机器学习用于医疗保健
背景情况:
- 新的乳腺癌查指南将增加成像数据量.
- 人工智能 (AI) 为放射科医生的工作负载挑战提供了解决方案.
- 人工智能模型开发受到手动注释和数据共享限制的限制.
研究的目的:
- 开发用于乳腺MRI分析的AI管道.
- 克服人工智能开发中手动注释和数据共享的局限性.
- 改善医疗人工智能培训的机构间合作.
主要方法:
- 综合弱监督学习和群体学习 (SL).
- 在1372个来自美国,瑞士和英国的双边乳房MRI检查中训练了AI模型.
- 验证了来自德国和希腊的649个双边乳腺MRI检查模型.
主要成果:
- 基准的二维和三维深度学习方法,确定3D-ResNet-101为优越的.
- 通过SL合作训练的模型表现优于本地训练的模型.
- 通过现场数据处理证明SL的国际可行性.
结论:
- 弱监督的学习与SL相结合,增强了机构间的合作.
- 这种方法提高了分布式数据集用于AI培训的实用性.
- 它解决了数据隐私和注释可变性挑战,而没有集中数据共享.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
12:23Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
Published on: August 14, 2012
14.2K
