基于人工智能的诊断乳腺癌的乳房摄影微化微化

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 乳腺扫描对于乳腺癌查至关重要,微化识别有助于早期诊断.
• 计算机辅助诊断 (CAD) 在医学图像分析中提供了效率和准确性.
• 早期发现恶性微化会降低乳腺癌的发病率和死亡率.

研究的目的:

• 开发和评估一个自动化的深度学习管道,用于检测和分类乳房内微化.
• 评估系统区分良性和恶性乳腺病变的能力.
• 探索AI在分类病理亚型和雌激素受体状态方面的潜力.

主要方法:

• 采用了4810次乳房X光检查和6663次微化病变 (3301次恶性,3362次良性) 的大型数据集.
• 开发了一个深度学习管道,用于自动检测,分类和注释微化.
• 该系统在多中心乳房图像上进行了训练和测试.

主要成果:

• 该系统实现了0.8124 (训练) 和0.7237 (测试) 的整体分类准确度,用于区分良性与恶性乳房.
• 对恶性乳腺癌预测的敏感度为0.8891 (训练) 和0.7778 (测试).
• 这项研究探讨了病型和雌激素受体 (ER) 状态分类的深度学习.

结论:

• 自动化的深度学习管道可以有效地检测和分类乳房影像上的微化,促进乳腺癌的早期诊断.
• 人工智能系统在协助临床医生进行乳腺癌查,诊断和治疗规划方面表现有前途.
• 进一步研究AI用于病型和ER状态分类的研究可以增强个性化治疗策略.