乳腺瘤合成图像中的病变的注释和特征
Magnus Dustler1,2, Akane Ohashi1,3, Hanna Tomic1,2
1Translational Medicine, Diagnostic Radiology, Lund University, 205 02 Malmö, Sweden.
Radiation protection dosimetry
|March 13, 2026
概括
马尔默乳房成像 (M-BIG) 数据库为数字乳房图解 (DBT) 和乳房扫描图像提供了广泛的病变注释. 本资源支持人工智能在乳腺癌查和诊断方面的发展.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 生物医学信息学 生物医学信息学
背景情况:
- 乳腺成像中的AI需要大型,精心策划的数据集来进行模型开发和验证.
- 现有的公共数字乳腺断层合成 (DBT) 数据库对病变的注释是有限的.
- 马尔默乳腺图莫合成查试验 (MBTST) 提供了有价值的查数据.
研究的目的:
- 引入马尔默乳房图像数据库 (M-BIG),这是乳房成像AI研究的全面资源.
- 详细介绍一款新型的半自动注释工具,用于在DBT和数字造乳镜 (DM) 中精确划分病变.
- 用详细的注释来促进瘤特征的高级分析.
主要方法:
- 开发M-BIG数据库,包括104,791张查性乳房影像和DBT图像.
- 包括MBTST数据与DBT查中的139种活检确认的癌症.
- 设计和实施一款半自动化软件工具,用于手动描绘病变轮和边缘注释.
主要成果:
- M-BIG为DBT和DM图像提供了详细的,非矩形的病变注释.
- 定制注释工具允许精确的细分,大小和形状描述器分析.
- 这种增强的注释功能超越了现有数据集中矩形边界框的限制.
结论:
- M-BIG数据库及其相关的注释工具代表了人工智能驱动的乳腺癌研究的重大进展.
- 详细的病变注释使人工智能算法用于乳腺癌检测和表征的开发和验证更为稳健.
- 该资源将加速应用人工智能的进展,以改善乳腺癌查结果.
