基于数字乳腺体层合成与深度学习的BI-RADS二分类模型对乳腺良、恶性肿块的鉴别诊断

作     者：吕雪飞 方芳 杨玲 雷露 孙玉 张丹丹 LV Xuefei;FANG Fang;YANG Ling;LEI Lu;SUN Yu;ZHANG Dandan

作者机构：湖北省武汉市红十字会医院放射科湖北武汉430015 

出 版 物：《中国医学影像学杂志》 (Chinese Journal of Medical Imaging)

年 卷 期：2023年第31卷第5期

页      面：480-484页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 10[医学] 

基　　金：武汉市卫生健康委科研项目(WX20A04) 

主　　题：乳腺肿块 深度学习 数字乳腺体层合成 二分类 诊断 鉴别 

摘      要：目的 探索基于数字乳腺体层合成(DBT)与深度学习的乳腺影像报告和数据系统二分类模型对乳腺良、恶性肿块鉴别的可行性。资料与方法 回顾性分析2020年5月—2021年5月于湖北省武汉市红十字会医院行双侧乳腺DBT并经病理证实或长期随访的289例乳腺肿块图像。采用交互式标注,先由人工智能系统在合成2D乳腺X线片、DBT图像上进行读片,再由1名X线诊断医师对所有数据进行修正标注,并由1名高年资医师审核,将上述数据以2∶1随机分为训练集(192例)与测试集(97例)。分别选择densenet161、googlenet、mobilenet_v3_large、vgg19、resnet152模型进行训练,评价二分类模型诊断乳腺恶性肿块的效能。结果 每个模型效果曲线下面积均大于0.845,其中mobilenet_v3_large准确度最高,为82.47%,其敏感度和特异度分别为87.18%和79.31%。结论 采用深度学习二分类模型对DBT乳腺肿块图片进行良恶性鉴别可行,有望应用于临床。