合成2D图像与人工智能对乳腺微钙化病灶识别的临床应用研究

作     者：孙晓琪 

作者单位：福建医科大学 

学位级别：硕士

导师姓名：蔡思清

授予年度：2022年

学科分类：1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100214[医学-肿瘤学] 100106[医学-放射医学] 10[医学] 

主      题：乳腺癌 乳腺X线图像 微钙化 合成2D图像 人工智能 

摘      要：目的:探讨数字乳腺断层合成X线成像(DBT)结合合成2D图像(SM)对乳腺微钙化的检出和诊断效能。通过开发基于Attention U-Net的乳腺X线图像微钙化检测模型,实现微钙化的高效率检出,并探究不同性质钙化、不同乳腺密度对该深度学习模型微钙化检测性能的影响。资料与方法:1.回顾性分析2019年11月至2021年3月于我院放射科接受乳腺X线检查的238例患者的乳腺影像。3名不同年资的影像医师独立阅读DBT结合全视野数字化乳腺摄影(FFDM)、DBT结合SM、FFDM、SM 4种模式下影像资料,记录微钙化有无,根据BI-RADS对微钙化进行分类,分析不同乳腺密度中良、恶性微钙化的检出率及诊断效能。2.回顾性分析2018年1月至2020年1月于我院放射科接受乳腺常规X线检查的347例患者的694幅图像。通过低年资医师独立阅片、高年资医师审核的方式,建立微钙化检出的参考标准。数据按照594:100随机划分训练集和测试集,进行神经网络训练,建立深度学习模型。在测试集中采用精确率、召回率、F1分数、交并比等指标评估微钙化检测性能,以上指标以钙化面积和数量分别计算,分析不同性质钙化(良性vs恶性)、不同乳腺密度(a+b类vs c+d类)对深度学习模型微钙化检测性能的影响。结果:1.不管在致密型乳腺或所有腺体类型乳腺中,4种阅片模式对微钙化检出敏感度的差异无统计学意义(P0.05),特异度均为100%。DBT结合SM与DBT结合FFDM对微钙化诊断敏感度、特异度及ROC曲线下面积的差异无统计学意义(P0.05);FFDM的敏感度高于SM,特异度低于SM,ROC曲线下面积高于SM,差异均具有统计学意义(P0.05),在致密型乳腺与非致密型乳腺中对微钙化检测的精确率、召回率、交并比、F1分数之间的差异均无统计学意义(P0.05)。结论:***结合SM与DBT结合FFDM对微钙化的检出、诊断效能相似。2.基于Attention U-Net的乳腺X线图像微钙化检测模型能够对乳腺微钙化进行有效的检测,同时该模型稳定性强,钙化性质及乳腺密度对该模型的检测性能无影响。