基于自动化乳腺体积扫描仪的深度学习图像用于诊断乳腺损伤:一个多中心诊断研究

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 自动乳房体积扫描仪 (ABVS) 是乳房病变查的一个有价值的工具.
• 准确有效地检测乳腺癌仍然是一个临床挑战.

研究的目的:

• 开发和验证深度学习 (DL) 模型,用于使用ABVS图像进行自动乳腺癌检测和诊断.
• 将DL模型的诊断性能与放射科医生在查ABVS检查中的诊断性能进行比较.

主要方法:

• 一项多中心研究收集了1368名患者的ABVS数据.
• 在内部和外部测试套件上开发和测试DL模型 (VGG19,DenseNet161,ResNet101,ResNet50).
• 病理发现成为绩效评估的黄金标准.

主要成果:

• DL模型实现了高诊断性能,AUC在测试组中从0.942到0.984不等.
• 与初级放射科医生相比,该模型显示出更高的灵敏度和特异性.
• 放射科医生,特别是初级放射科医生,经历了显著减少的翻译时间与DL的协助.

结论:

• 使用ABVS图像的DL模型显著提高了乳腺癌诊断性能.
• 该模型为提高查效率和准确性提供了一个有价值的工具,特别是对于经验较少的放射科医生来说.