预测支淋巴结转移的乳腺癌使用联合预训练的微调和对比学习对比增强的超声波.
Rong Huang1, Mengshi Tang2, Lin Pan2
1The Academy of Digital China, Fuzhou University, Fuzhou 350001, China.
Bioengineering (Basel, Switzerland)
|December 30, 2025
概括
这项研究引入了一种使用对比增强超声波 (CEUS) 的新型深度学习方法,以准确预测乳腺癌状淋巴结转移 (ALNM). 该方法提高了早期发现乳腺癌和个性化治疗计划的诊断准确性.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 准确评估状淋巴结转移 (ALNM) 对乳腺癌治疗至关重要.
- 传统的超声波具有局限性;对比度增强超声波 (CEUS) 提供了更好的微循环可视化.
- 由于数据要求和诊断专业知识,ALNM的CEUS视频分析具有挑战性.
研究的目的:
- 开发一种使用CEUS视频序列预测乳腺癌ALNM的自动化方法.
- 克服ALNM诊断中的深度学习模型的大数据集生成的局限性.
- 提高乳腺癌ALNM评估的效率和准确性.
主要方法:
- 一种新的方法,将预先训练的微调与对比学习相结合,用于ALNM预测.
- 使用文本视频对比学习框架,在专有数据集上进行微调.
- 采用随机提示优化和适应性微调优化器来进行乳腺CEUS视频分析.
主要成果:
- 拟议的方法在ALNM预测方面获得了0.792的灵敏度.
- 该方法在ALNM诊断方面表现出0.8的特异性.
- 实验结果验证了基于CEUS的深度学习方法的有效性.
结论:
- 该研究成功地利用CEUS和深度学习来改善ALNM诊断.
- 该方法显示了提高早期乳腺癌查准确度的潜力.
- 这种方法可以为乳腺癌患者提供更个性化的治疗策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
470