通过使用查数据,深度学习预测乳腺扫描乳腺密度
Chen Chen1,2,3, Enyu Wang1,4, Vicky Yang Wang1,2
1Taizhou Key Laboratory of Minimally Invasive Interventional Therapy & Artificial Intelligence, Taizhou Branch of Zhejiang Cancer Hospital (Taizhou Cancer Hospital), Taizhou, 317502, Zhejiang, China.
Scientific reports
|April 4, 2025
概括
深度学习模型准确地评估了乳房扫描的乳腺密度类别. 发明V3模型表现出高性能,帮助放射科医生客观量化乳腺密度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 乳房扫描乳腺密度评估对于乳腺癌风险分层至关重要.
- 客观和一致的乳腺密度测量仍然是一个挑战.
研究的目的:
- 评估深度学习模型,客观评估四个乳腺密度类别的乳腺扫描.
- 为了比较深度学习模型与放射学家的性能.
主要方法:
- 追溯分析了来自9621名妇女的57,282张乳房图片.
- 开发和评估四个深度学习模型,包括InceptionV3.3.
- 使用平均精度 (AP) 和放射科医生的评估对模型性能进行比较.
主要成果:
- InceptionV3模型在所有密度类别 (0.857-0.953) 中实现了高AP值.
- 与放射科医生相比,InceptionV3表现出更高的准确性和一致性,特别是在更密集的类别中.
- 放射科医生的表现在异质和极密集的类别中显著下降.
结论:
- 深度学习模型,特别是InceptionV3,为客观量化乳房扫描乳腺密度提供了有价值的工具.
- 人工智能辅助评估可以提高乳房检查的诊断准确性和一致性.
