通过使用超声波B模式和纳卡加米图像的多式深度学习来诊断乳腺瘤
Sabiq Muhtadi1, Caterina M Gallippi1
1University of North Carolina at Chapel Hill, North Carolina State University, Lampe Joint Department of Biomedical Engineering, Chapel Hill, North Carolina, United States.
Journal of medical imaging (Bellingham, Wash.)
|May 16, 2025
概括
使用多式深度学习的超声波B模式和纳卡加米图像的结合显著提高了乳腺瘤分类的准确性. 这种方法提高了诊断性能,并确定了更相关的组织信息,以获得更好的临床结果.
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:
- 乳腺癌的诊断依赖于成像技术.
- 超声波 (US) B模式提供组织亮度信息.
- 纳卡加米参数图像为组织散射特性提供了洞察力.
研究的目的:
- 评估用于乳腺瘤分类的多式深度学习 (DL).
- 结合美国B模式和Nakagami图像以提高诊断性能.
- 为了比较多式联运DL与单输入方法.
主要方法:
- 使用EfficientNetV2B0.0开发了多式联运DL框架.
- 输入数据包括2D数值地图或B模式和Nakagami图像的RGB表示.
- 通过对264名患者的831名美国患者的诊断性能进行比较.
主要成果:
- 多式联网架构显著优于单式联网架构 (平均AUC提高10.75%).
- 多式联络网络使用的诊断相关组织信息增加了15.70%.
- 作为输入的RGB表示结果比2D数值图表更好.
结论:
- 将B模式和纳卡加米数据集成到多式DL中可以改善乳腺瘤分类.
- 这种方法增加了网络使用的诊断相关信息量.
- 美国乳腺癌诊断自动化和标准化的潜力,以改善临床结果.
