一个多阶段的深度学习模型,用于精确细分和分类乳腺病变在乳房摄影
Sultan Ahmad1,2, Eali Stephen Neal Joshua3, Nakka Thirupathi Rao4
1Department of Computer Science, College of Computer Engineering and Sciences, Prince Sattam Bin Abdulaziz University, Alkharj, 11942, Saudi Arabia. s.alisher@psau.edu.sa.
Scientific reports
|October 23, 2025
概括
一个新的多阶段深层损伤模型 (MSDLM) 改善了乳腺损伤细分和分类在乳房影像中. 这种人工智能模型实现了高精度,帮助放射科医生在早期发现和诊断乳腺癌.
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:
- 乳房造影对于检测乳房病变至关重要,但图像质量和病变变异性对准确的细分和分类构成挑战.
- 早期和精确检测乳腺病变对于有效的治疗规划和诊断至关重要.
研究的目的:
- 引入一种新的多阶段深层损伤模型 (MSDLM),旨在提高乳腺损伤细分和分类在乳房影像中的准确性和效率.
- 提高自动乳腺损伤检测和诊断的可靠性.
主要方法:
- 该研究提出了一个多阶段深层损伤模型 (MSDLM),集成U-Net进行细分,EfficientNetV2 B0用于特征提取,以及CNN分类器.
- 采用特征级联方法来优化计算效率,并保留乳腺癌检测的关键特征.
- 该模型在CBIS-DDSM和威斯康星州乳腺癌数据集上得到了验证.
主要成果:
- 该MSDLM实现了高性能指标,包括97.6%的细分和分类准确度,以及91.25%的灵敏度.
- 该模型表现出强大的诊断性能,曲线下面面积 (AUC) 为95.75%,可靠的病变区域检测与85.59%的交界面 (IoU).
- 在MSDLM中,高斯分布的整合促进了乳腺病变的精确定位和分类.
结论:
- 开发的MSDLM模型显著提高了乳腺病变的细分和分类,在准确性和计算成本方面都超过了基线模型.
- 该模型在各种数据集中的通用性表明它有可能为放射科医生提供准确的自动诊断,改善诊断工作流程.
- MSDLM提供了改进的信息流和功能精细化,以更可靠地检测乳腺损伤在乳房镜中.
