基于深度学习的乳腺植入物超声波分类模型:一个多机构模型开发和验证研究.
Hyokyung Yoo1, Seoi Jeong2, Hyoun-Joong Kong2
1Department of Biomedical Engineering, Seoul National University College of Medicine, Seoul, Republic of Korea.
Aesthetic surgery journal
|October 31, 2025
概括
一个新的深度学习模型使用超声波图像准确地识别乳房植入物,改善患者安全和手术记录. 这种人工智能工具通过自动化植入物分类来帮助整形外科医生,增强临床工作流程.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 生物医学工程 生物医学工程
背景情况:
- 乳房植入器手术率的增加需要更好的患者数据管理.
- 不充分的记录保存和安全问题强调了对可靠的植入物识别的需求.
- 目前用于乳腺植入物识别的方法缺乏效率和标准化.
研究的目的:
- 开发和验证深度学习模型,使用超声波成像对乳房植入物进行分类.
- 解决患者知识和乳房植入物记录的关键差距.
- 创建一个可靠的工具,用于自动化乳腺植入物识别.
主要方法:
- 利用了28,712个乳房超声波图像的回顾性数据集,来自2,580名患者中的4,136个乳房植入物.
- 在各种机构数据上训练并验证了深度学习模型.
- 用Grad-CAM (梯度加权类激活映射) 来实现模型的解释性.
主要成果:
- 深度学习模型在外部测试数据集中实现了高诊断准确性.
- 为了制造商分类,实现了0.893的平衡精度.
- 证明了0.971的平衡精度用于植入物质感分类.
结论:
- 通过深度学习自动识别乳房植入物,简化了整形外科医生的临床工作流程.
- 该模型显着有望提高患者护理和基于植入物的乳腺手术的结果.
- 这种人工智能驱动的方法减少了对乳房超声波解释的专业培训的依赖.

