在DCE-MRI中开发自动化CAD系统用于损伤检测
Theofilos Andreadis1, Konstantinos Chouchos2, Nikolaos Courcoutsakis2
1Department of Production and Management Engineering, Democritus University of Thrace, Xanthi, Greece. theofilos.andreadis@yahoo.gr.
Journal of imaging informatics in medicine
|February 20, 2025
概括
这项研究引入了一种自动计算机辅助诊断 (CAD) 系统,用于在动态对比增强磁共振成像 (DCE-MRI) 中检测乳腺病变. 该系统实现了高灵敏度,支持矢量机 (SVM) 分类器达到92%的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 动态对比增强磁共振成像 (DCE-MRI) 对于早期乳腺病变的检测和表征至关重要.
- 自动化系统可以提高解释DCE-MRI扫描的效率和准确性.
研究的目的:
- 开发和评估用于在DCE-MRI中检测乳腺病变的自动化计算机辅助诊断 (CAD) 系统.
- 评估不同分类器在识别可疑区域方面的表现.
主要方法:
- 该系统通过使用Otsu的多级值切割乳腺组织和细分感兴趣区域 (ROI) 来预处理DCE-MRI图像.
- 采用两阶段的虚假阳性减少过程,然后使用前向反向传播神经网络 (FFBPN) 和支持向量机器 (SVM) 进行特征提取和分类.
主要成果:
- 在52次DCE-MRI检查的数据集上,CAD系统表现出高性能.
- 敏感度达到FFBPN的83%,SVM的92% .
- SVM分类器实现了0.95的曲线下的面积 (AUC),表明了出色的诊断能力.
结论:
- 开发的CAD系统有效地检测DCE-MRI图像中的增强乳腺病变.
- SVM分类器在病变识别和与健康组织区分方面表现出卓越的性能.
- 建议使用更大的数据集进行进一步的研究,以验证这些发现.


