MRASM:一个多尺度的残留注意力时空模型用于乳腺瘤预测
Liangliang Zhang1, Hang Zheng1, Jiawei Liu1
1School of Computer and Information, Anqing Normal University, Anqing 246133, People's Republic of China.
Magnetic resonance imaging
|July 10, 2025
概括
深度学习模型现在可以使用动态对比增强MRI (DCE-MRI) 数据更好地预测乳腺瘤类型. 新的多尺度残留注意力时空模型 (MRASM) 显著提高了良性和恶性瘤的诊断准确性.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 乳腺癌的诊断 乳腺癌的诊断
背景情况:
- 动态对比增强磁共振成像 (DCE-MRI) 为瘤预测提供了有价值的空间和时间特征.
- 深层时空特征提高诊断性能的潜力需要进一步研究.
研究的目的:
- 为了提高良性和恶性乳腺瘤的预测准确度.
- 从DCE-MRI数据中有效地整合深层空间和时间特征.
主要方法:
- 一个基于ResNet (2+1) D架构的多尺度残留注意力时空模型 (MRASM) 被开发出来.
- 为了改进特征提取,MRASM集成了多尺度,注意力和残余模块.
- 模型的性能是使用接收器运行特征曲线 (AUC) 下的面积和准确度进行评估的,并通过DeLong测试进行统计比较.
主要成果:
- 在MRASM取得的优异AUC为0.9962和准确度为0.9660.
- 这些结果明显优于原来的ResNet (2+1) D (AUC=0.9182,精度=0.8340) 和传统的3D CNN方法 (最佳AUC=0.8752,精度=0.8128).
结论:
- 拟议的MRASM在预测良性和恶性乳腺瘤方面表现出高的效率和准确性.
- 这种深度学习方法为改善乳腺瘤诊断提供了一个有希望的工具.
