高性能开源AI用于MRI乳腺癌检测和定位
Lukas Hirsch1, Elizabeth J Sutton2, Yu Huang1
1Department of Biomedical Engineering, City College of the City University of New York, 160 Convent Ave, New York, NY 10031.
Radiology. Artificial intelligence
|June 25, 2025
概括
一个开源的深度学习模型显示了在MRI扫描上检测和定位乳腺癌的最新性能. 这种计算机辅助诊断工具实现了高精度,与放射科医生相美,并且可以公开用于进一步研究.
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:
- 乳腺癌的诊断严重依赖于磁共振成像 (MRI).
- 准确的检测和定位对于有效的治疗计划至关重要.
- 开发先进的计算工具可以帮助放射科医生提高诊断准确性和效率.
研究的目的:
- 开发和验证使用MRI进行乳腺癌检测和定位的开源深度学习模型.
- 评估模型在大量多样化的数据集上的表现,并评估其在不同成像平面和临床场所的概括性.
主要方法:
- 一项回顾性研究利用迄今为止最大的乳腺MRI数据集.
- 训练一个深度学习模型,在超过3万次的腰部MRI检查中进行.
- 通过从初级和二级临床场所获得的三角形和轴形MRI数据验证模型.
主要成果:
- 该模型实现了接受器运行特征曲线 (AUC) 下的面积为0.95以检测癌症在初级部位斜数据上的癌症.
- 灵敏度为83%,特异性为90%,相当于放射科医生的表现.
- 该模型表现出强大的概括性,在初级和二级站点的轴向数据上AUC为0.92,并且在数据集中的87%以上的病例中精确地定位了瘤.
结论:
- 开发的深度学习模型在MRI上检测和定位乳腺癌方面表现出最先进的性能.
- 代码和权重的开源性质鼓励进一步的研究,验证和临床集成.
- 这种人工智能工具有可能在乳腺MRI审查中显著提高计算机辅助诊断 (CAD).
