一个基于深度学习的多式联络医学成像模型,用于乳腺癌查
Junwei Chen1,2, Teng Pan3, Zhengjie Zhu3
1School of Automation, Central South University, Changsha, Hunan, 410083, China.
Scientific reports
|April 26, 2025
概括
这项研究开发了一种使用乳房影像和超声波图像的多式乳腺癌预测模型. 与单一图像模型相比,多式模式方法显示出更高的准确性和特异性,提高了查潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 目前的乳腺癌预测模型通常依赖于单一的成像模式,限制了诊断性能.
- 整合多式联运数据为提高预测准确度提供了机会.
研究的目的:
- 开发和评估使用多模式 (乳房学和超声波) 与单模式成像数据的乳腺癌预测模型.
- 为了比较6个深度学习分类模型的性能,用于多式模式的乳腺癌预测.
- 确定多式乳腺癌分类的最佳深度学习模型.
主要方法:
- 从790名患者收集和分析了2,235张乳房图像和1,348张超声波图像.
- 开发并比较多式模式和单式模式深度学习分类模型.
- 使用包括AUC,灵敏度,特异性,精度和准确性在内的指标评估模型性能.
主要成果:
- 与单模分类模型相比,多模分类模型实现了更高的特异性 (96.41%),准确性 (93.78%),精度 (83.66%) 和AUC (0.968).
- 单模模式的模型显示出更高的灵敏度.
- 热图可视化证实了多式联运模式的分类性能.
结论:
- 综合乳腺癌和超声数据的多式乳腺癌分类模型显示了提高查准确性的巨大潜力.
- 开发的多式模式模型可以有效地帮助医生提高乳腺癌查.
- 进一步的研究可以探索整合额外的数据类型,以进一步优化预测模型.
关键词:
深度学习是一种深度学习.数字乳房造 mammography 数字乳房造 mammography 数字乳房造 mammography 数字乳房造 mammography 数字乳房造 mammography 数字乳房造多式联络是多式联络.超声波超声波是指超声波的使用.
