在自动乳房超声波图像上半自动细分乳腺瘤,使用具有定制模块的大型模型进行半自动细分
Yi Zhou1, Mingtao Ye2, Haiyang Ye2
1Department of Breast Surgery, The Fifth Affliated Hospital of Wenzhou Medical University, LiShui Municipal Central Hospital, Lishui, 323000, China.
Scientific reports
|May 19, 2025
概括
用于3D医学图像的任何细分模型 (SAM-Med3D) 在自动乳房超声波 (ABUS) 图像中有效地细分乳腺瘤. 这种人工智能模型显示了改善乳腺癌检测中的计算机辅助诊断系统的前景.
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:
- 自动乳房超声波 (ABUS) 对于乳腺癌查至关重要.
- 在ABUS图像中精确的瘤细分对于诊断和治疗计划至关重要.
- 现有的细分方法可能需要大量的手工工作或专门的培训.
研究的目的:
- 评估3D医学图像 (SAM-Med3D) 的任何细分模型的性能,增强了低级适应 (LoRA),用于在自动乳房超声波 (ABUS) 图像中细分乳腺瘤.
- 评估SAM-Med3D在临床环境中用于半自动瘤细分的可行性.
- 为了确定模型在各种瘤特征和成像数据中的有效性.
主要方法:
- 一项回顾性研究利用了来自329名乳腺癌患者的ABUS数据.
- 数据集被分为培训,验证和测试集,手册注释作为基本真相.
- 采用LoRA和定制模块的SAM-Med3D经过训练和评估,用于使用模拟放射科医生点击进行半自动细分.
主要成果:
- 在Lishui数据集的测试组中,SAM-Med3D模型在Lishui数据集的测试组中获得了0.75的平均子相似系数 (DSC).
- 在不同的乳腺成像报告和数据系统 (BI-RADS) 类别和病变量中,性能保持一致.
- 该模型在TDSC-ABUS 2023挑战数据集上获得了0.79的最新DSC.
结论:
- 当适应医学成像时,SAM-Med3D在3D ABUS扫描中对乳腺瘤进行细分时表现出强大的性能.
- 该模型的半自动细分能力显示了集成到计算机辅助诊断 (CADx) 系统的巨大潜力.
- 这种方法为提高使用人工智能诊断乳腺癌的效率和准确性提供了一个有希望的途径.
