图像正常化技术及其对乳房MRI放射学强度和预测能力的影响
Florian Schwarzhans1, Geevarghese George1, Lorena Escudero Sanchez2
1Research Center for Medical Image Analysis and Artificial Intelligence (MIAAI), Department of Medicine, Danube Private University, Krems, Rathausplatz 1, AT-3500 Krems-Stein, Austria.
European journal of radiology
|April 4, 2025
概括
标准化图像正常化对于乳腺癌MRI中强大的放射学分析至关重要,尤其是在有限的训练数据的情况下. 结合技术可以提高病理完整反应 (pCR) 的预测.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 放射学分析显示了癌症诊断和治疗的前景.
- 在放射学研究中缺乏标准化,导致特征依赖于获取和预处理.
- 图像规范化技术显著影响放射学特征的强度.
研究的目的:
- 调查各种图像规范化技术对乳腺癌MRI扫描中的放射特征强度的影响.
- 评估规范化对预测病理完整反应 (pCR) 的机器学习模型的影响.
主要方法:
- 利用了来自MAMA-MIA数据集的MRI扫描和三阴性乳腺癌 (TNBC) 的内部乳腺MRI测试集.
- 使用一致性-关联系数 (CCC) 来评估放射学特征强度的比较规范化技术.
- 训练了用于pCR预测的机器学习模型,使用不同规范化方法的放射学特征,并比较ROC-AUC.
主要成果:
- 三种规范化技术的组合产生了最高的ROC-AUC,用于从前治疗乳腺MRI放射学预测pCR.
- 规范化效应在较小的训练数据集中更为明显,在较大的数据集中不那么重要.
- 在不同MRI数据集中观察到特征稳定性与正常化之间的显著差异.
结论:
- 选择和标准化规范化方法对于乳房MRI中准确可靠的放射学分析至关重要.
- 这些发现对于使用小型培训数据集的研究尤为重要.
- 正常化策略可以增强放射学在乳腺癌的预测能力.
