换一批基于深度学习构建超声与胸部CT融合模型以提高对乳腺肿块的诊断能力
Development of A Deep Learning-based Multimodal Model Integrating Ultrasound and Chest CT for Improved Diagnosis of Breast Masses
摘要目的 本研究旨在利用深度学习中的卷积神经网络(convolutional neural networks,CNN)技术,对超声和胸部CT图像中的良性和恶性乳腺肿块进行鉴别.方法 我们回顾性地收集了281张良性肿块图像和155张恶性肿块图像,所有病例均经过手术切除和麦默通活检以获得病理结果.采用ResNet-50的CNN架构,并集成了卷积块注意力模块(convolutional block attention module,CBAM),分别构建了超声(Ultrasound,US)、CT和US+CT的深度学习模型,对这些病变的良恶性进行了分析.我们计算了模型的灵敏度、特异性、准确度以及受试者工作特征曲线下面积(Area Under the Curve,AUC),并与人工阅片结果进行了比较.结果 超声科医生阅读超声图像得到的AUC为0.808,而CT医生阅读CT图像得到的AUC为0.749.单独的超声模型的AUC为0.883,单独的CT模型的AUC为0.871,而超声加CT联合模型的AUC达到了0.947.与单独使用超声或CT进行诊断相比,超声和胸部CT的联合使用展现出了更优的诊断性能.结论 采用CNN进行的超声加CT图像深度学习分析具有很高的诊断性能,能够有效地区分乳腺超声图像上的良性和恶性肿瘤,其诊断效能优于单一的影像学方法.
更多相关知识
分类号
R737.9（泌尿生殖器肿瘤）
栏目名称
DOI
10.3969/j.issn.1672-5131.2025.07.028
发布时间
2025-08-08（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
