基于乳腺扫描的人工智能用于乳腺癌检测,诊断和BI-RADS分类,使用多视图和多级卷积神经网络
Hongna Tan1,2, Qingxia Wu3,4, Yaping Wu1,2
1Department of Radiology, Henan Provincial People's Hospital & People's Hospital of Zhengzhou University, Zhengzhou, China.
Insights into imaging
|May 21, 2025
概括
一个人工智能系统 (AIS) 准确地检测和诊断乳腺癌的乳房影像,显著提高放射科医生的性能和BI-RADS分类支持. 这种人工智能工具提高了诊断准确度,有助于更好地对患者进行风险分层.
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:
- 乳腺扫描对于乳腺癌检测至关重要,但面临着高错误阳性和负性率的挑战.
- 准确的BI-RADS分类对于适当的患者管理和随访至关重要.
- 现有的诊断工具可以通过先进的计算方法来增强.
研究的目的:
- 开发和评估一个人工智能系统 (AIS) 用于乳腺癌检测,诊断和BI-RADS分类支持使用乳房影像.
- 评估AIS在提高诊断准确性和减少假阳性/假阴性方面的表现.
- 调查AIS作为放射科医生的决策支持工具的实用性.
主要方法:
- 开发了一个基于多视图,多层次卷积神经网络的AIS.
- 这项研究分析了来自12433名亚洲女性的24866个乳房.
- 通过恶性瘤诊断,对BI-RADS子组的分层分析以及与放射科医生进行的人工智能辅助阅读研究来评估表现.
主要成果:
- 该AIS在恶性瘤诊断的接收器操作特征曲线 (AUC) 值下的高面积 (0.995在验证中,0.933-0.947在测试组中).
- 在BI-RADS 3-4分组中,AIS有效减少了虚假阳性 (83.1%的降级) 和虚假阴性 (54.1%的升级).
- 人工智能辅助阅读显著改善了放射科医生的平均AUC (p=0.001).
结论:
- 开发的AIS在检测和诊断乳腺癌方面表现出高准确度.
- AIS 作为 BI-RADS 分类的有价值的支持工具,增强了诊断信心.
- 这种人工智能系统有可能改善风险分层,并帮助放射科医生在临床决策中.
更多相关视频
15:48Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
Published on: December 15, 2014
22.3K
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.3K
