深度学习驱动的乳房超声波来改善乳房质量的特征:一项前性研究
Veenu Singla1, Dollphy Garg1, Sapna Negi1
1Department of Radiodiagnosis, PGIMER, Chandigarh, India.
Acta radiologica (Stockholm, Sweden : 1987)
|September 25, 2025
概括
人工智能 (AI) 深度学习 (DL) 工具Smart-Detect提高了乳房超声波诊断的准确性. 人工智能工具弥合了专业知识的差距,减少了不必要的活检,并提高了放射科医生之间的一致性.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 超声波 (US) 诊断性能取决于操作者.
- 深度学习 (DL) 工具提供超出人类感知范围的自动化解释.
- 医学成像中的AI旨在提高诊断精度.
研究的目的:
- 评估Smart-Detect (S-Detect),一个DL工具,用于提高乳腺美国的诊断精度.
- 评估S-Detect在不同放射科医生经验水平上标准化美国评估的能力.
主要方法:
- 展望观察性研究 (2024年5月至11月) 涉及230个乳腺体.
- 放射科医生评估了带有和没有S-Detect的美国图像.
- 使用ROC分析和kappa统计数据进行诊断性能比较.
主要成果:
- S-Detect实现了高特异性 (92.7%) 和准确性 (90.4%).
- 它显著提高了经验较少的放射科医生的灵敏度,特异性和准确性 (P < 0.001).
- 人工智能工具增加了放射科医生的同意 (kappa 0.459-0.696) 并减少了不必要的活检.
结论:
- DL工具提高了乳房US的诊断准确性和一致性.
- S-Detect 弥合了放射科医生的专业知识差距.
- 人工智能协助减少了对侵入性活检程序的依赖.
