BIScreener:通过集成的深度学习和可解释性来增强乳腺癌超声波诊断
Yao Chen1,2, Peiling Wang1, Jing Ouyang3
1Hunan Key Lab of Biomedical Materials and Devices, College of Life Sciences and Chemistry, Hunan University of Technology, Zhuzhou, 412007, PR China.
Analytical methods : advancing methods and applications
|June 30, 2025
概括
一个新的深度学习模型,BIScreener,准确地预测乳房成像报告和数据系统 (BI-RADS) 从超声波图像的分类. 这种人工智能工具有助于早期发现乳腺癌,并提高医生诊断效率.
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:
- 乳腺癌是全球女性死亡的主要原因之一.
- 早期检测对于有效治疗和改善结果至关重要.
- 乳腺成像报告和数据系统 (BI-RADS) 是评估乳腺损伤风险的标准化框架.
研究的目的:
- 开发一个可解释的深度学习模型 (BIScreener) 来从乳房超声图像中预测BI-RADS分类.
- 提高乳腺癌风险评估的准确性和效率.
- 帮助医生做出诊断和治疗决策.
主要方法:
- 利用了三个预训练的卷积神经网络的堆叠泛化.
- 从Mindray R5和HITACHI仪器分析了乳房超声波图像.
- 对 BI-RADS 五类和七类 BI-RADS 外部测试集的 BIScreener 性能进行了评估.
主要成果:
- 在五个BI-RADS类别中实现了90.0%的准确性和0.982的ROC-AUC.
- 在七个BI-RADS类别中获得了83.8%的准确性和0.967的ROC-AUC.
- 放射科医生的精度提高了超过8.1% (五类) 和4.8% (七类),解释时间减少了19.0%.
结论:
- BIScreener显示出加速和改善乳腺癌诊断的巨大潜力.
- 可解释的人工智能模型有助于准确的风险评估和诊断效率.
- 这项技术可以支持乳房成像中的临床决策.
更多相关视频
12:23Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
Published on: August 14, 2012
14.4K
13:43Intraductal Delivery and X-ray Visualization of Ethanol-Based Ablative Solution for Prevention and Local Treatment of Breast Cancer in Mouse Models
Published on: April 1, 2022
4.6K
