数字乳腺图莫合成中的深度学习:当前状态,挑战和未来趋势
Ruoyun Wang1,2, Fanxuan Chen1,2, Haoman Chen1,2
1Oujiang Laboratory (Zhejiang Lab for Regenerative Medicine, Vision, and Brain Health) Wenzhou Institute University of Chinese Academy of Sciences Wenzhou China.
MedComm
|June 10, 2025
概括
深度学习 (DL) 增强了数字乳腺图莫合成 (DBT) 以更早地检测乳腺癌. 虽然DBT提供3D成像,但DL解决了像密集乳房成像和假阳性等挑战,提高了查效率和准确性.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 数字乳腺图解合成 (DBT) 提供高分辨率的3D乳房造影,用于增强乳腺癌查.
- DBT带来了挑战,包括在密集的乳房中性能下降,更高的假阳性率和阅读时间的增加.
- 由于发病率上升,早期发现乳腺癌至关重要.
研究的目的:
- 审查深度学习 (DL) 在基于DBT的乳腺癌查中的当前应用和未来潜力.
- 概述与DBT技术相关的基本原理和挑战.
- 探索DL在提高DBT图像的诊断精度和处理效率方面的作用.
主要方法:
- 在DBT中DL应用的分类,分为诊断分类,病变细分/检测和图像生成.
- 现有的公共乳房学数据库的摘要.
- 对DBT中DL的挑战和未来研究方向的分析.
主要成果:
- DL在提高DBT图像的处理效率和诊断准确度方面表现出有效性.
- 关键的DL应用包括疾病分类,病变检测和医学图像合成.
- 总结了公开可用的乳房学数据集.
结论:
- 通过克服当前的局限性,DL对推进乳腺癌查中的DBT具有重大前景.
- 解决诸如有限数据集和模型培训等挑战对于DL实施至关重要.
- 未来的研究应该集中在诸如大型语言模型,域移动和数据增强等领域,用于医疗成像中的创新DL应用.
