人工智能用于MRI成像中TNM乳腺癌的T分类:在治疗决策中实现精确性
Hamida Romdhane1, Dorra Ben-Sellem2
1BIOPHYSIC, UTM, Tunis, Tunis, Tunis, 1007, Tunisia.
Biomedical physics & engineering express
|March 5, 2026
概括
这项研究引入了人工智能框架,用于自动化乳腺瘤细分和MRI扫描的T阶段分类,改善乳腺癌管理的诊断准确性和治疗规划.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 乳腺癌研究研究 乳腺癌研究
背景情况:
- 乳腺癌的管理在很大程度上依赖于准确的诊断和分期.
- 目前用于瘤细分和T阶段分类的方法可能耗时且主观.
- 人工智能的进步为自动化和增强这些关键任务提供了潜力.
研究的目的:
- 开发和验证一种弹性AI框架,用于使用乳腺MRI图像进行自动化乳腺瘤细分和T阶段分类.
- 根据TNM分期系统评估框架在准确细分瘤和分类乳腺癌T阶段方面的表现.
- 评估人工智能驱动的分期用于改善治疗计划和患者结果的临床实用性.
主要方法:
- 利用U-Net架构,自动对乳腺瘤进行细分,并从 Sagittal MRI 扫描中进行细分.
- 采用ResNet-50卷积神经网络,基于细分瘤图像进行T阶段分类.
- 在所有TNMT阶段类别中使用精度,特异性和F1分数等指标验证性能.
主要成果:
- 在瘤细分方面,U-Net架构实现了高精度和特异性,3D重建增强了瘤边缘的可视化.
- ResNet-50模型展示了强大的T阶段分类性能,准确地区分了T1mi到T4d阶段的瘤进展.
- 人工智能分类强调了早期瘤大小的预后意义,以及晚期 (T3-T4d) 均不佳的预后.
结论:
- 开发的AI框架使得精确的,自动化的乳腺瘤细分和T阶段的MRI分类.
- 这一进步支持改善临床决策,可能导致更好的治疗策略和乳腺癌护理患者的结果.
- 人工智能框架意味着迈向自动化乳腺癌管理的重要一步,增强诊断能力.
