在乳腺保护手术中使用深度学习对乳腺图莫合成的自动化瘤细分
Wen-Pei Wu1, Yu-Wen Chen2, Hwa-Koon Wu1
1Department of Medical Imaging, Changhua Christian Hospital, Changhua, Taiwan.
Journal of imaging informatics in medicine
|March 3, 2025
概括
这项研究介绍了一种人工智能模型,用于在手术期间精确细分乳腺癌瘤. 深度学习系统增强了手术内边缘评估,有可能改善乳腺癌患者的外科治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺癌是全球女性的主要死亡原因.
- 乳腺保护手术 (BCS) 与放射治疗是早期疾病的标准.
- 准确的瘤边缘划分对于有效的BCS和减少复发至关重要.
研究的目的:
- 在BCS期间使用数字乳腺图莫合成 (DBT) 改善手术内瘤细分.
- 开发和评估一个深度学习模型,以精确地划分瘤边缘.
主要方法:
- 使用了改进的U-Net深度学习架构,并使用了卷积块注意模块 (CBAM).
- 应用该模型对51例患者的DBT图像细分瘤边缘.
- 将自动细分结果与手动轮和病理评估进行了比较.
主要成果:
- 人工智能模型在瘤细分方面表现出高准确度.
- 实现了0.866的交叉点在联盟 (IoU) 上,以及0.928.92的子系数.
- 该系统显示了增强业内利评估的潜力.
结论:
- 开发的深度学习模型在BCS期间有效地增强了手术内瘤细分.
- 这项技术有可能提高手术精度和乳腺癌治疗患者的治疗结果.
- 通过人工智能进行准确的边际评估,可以帮助外科医生实现彻底的瘤切除.
