基于数字乳腺造影的人工智能计算机辅助诊断对合成乳腺造影的性能从数字乳腺图解合成

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像中的人工智能
• 乳腺癌查 乳腺癌查

背景情况:

• 人工智能计算机辅助诊断 (AI-CAD) 系统越来越多地用于改善乳房影像解释.
• 全场数字造乳镜 (FFDM) 是用于乳腺癌检测的标准成像技术.
• 合成乳房显微镜 (SM) 是一种较新的技术,由数字乳房显微镜 (DBT) 数据重建而成.

研究的目的:

• 评估设计用于FFDM的AI-CAD系统在SM应用时的性能.
• 为了比较AI-CAD对SM和FFDM的诊断准确度.
• 评估SM对AI-CAD灵敏度,特异性和校准的影响.

主要方法:

• 对1002个乳房 (517个癌症,485个非癌症) 的回顾性分析,来自501名接受了手术前乳房扫描的女性.
• 商业AI-CAD应用于SM (从DBT重建) 和FFDM数据集.
• 异常分数进行了比较,并在10%的值下分析了歧视性能 (AUC,灵敏度,特异性).

主要成果:

• 与FFDM相比,AI-CAD显示出明显较低的中位数异常得分和SM的较差校准.
• 对于SM (76.2%) 与FFDM (82.8%) 的敏感性较低,而SM (95.5%) 与FFDM (91.8%) 的特异性更高.
• 在ROC曲线下的面积 (AUC) 是可比的 (0.86对于SM而不是0.87对于FFDM).

结论:

• 与FFDM相比,AI-CAD在SM应用时显示性能和校准降低.
• 当前AI-CAD系统对SM的歧视性能受到预设值的影响.
• 由于观察到的局限性,不建议在SM上使用该AI-CAD的非标签.